基于机器学习的能力评价与匹配研究

目前,高校学生就业形势严峻,针对企业看重的能力对学生做出评价,有助于企业选拔人才,同时也能提高学生的竞争力。采用层次分析法和模糊评价相结合的方式对高校学生的综合能力进行评价。为了解决模糊系统无法自动调整隶属函数参数的问题,有效结合模糊理论和神经网络架构的优点,提出了引入神经网络的综合评价改进算法;并设计具有时频局域化特性的小波神经网络,能够更好地模拟非线性函数,用于预测学生适合的职位。分析实验结果表明,基于改进模糊神经网络算法的能力评价模型与小波网络职位匹配模型,能够提升系统精度与自适应能力,评价结果客观,对学生的能力评价及就业选择具有指导意义。     

基于有效性分析的自组织模糊神经网络建模方法

提出了一种基于有效性分析的自组织模糊神经网络(self-organizingfuzzyneural network based on effectiveness analysis, SOEFNN)建模方法。首先,提出了一种针对模糊规则的有效性评价指标,利用样本与规则层输出之间的映射关系进行网络模型的有效性分析,通过累积触发的方式实现相应模糊规则的增加或删减,使网络模型在能够处理复杂非线性问题的同时降低其冗余性,使模型更为紧凑。采用梯度下降算法对网络模型进行训练。然后,对所提出的SOEFNN模型进行非线性系统仿真实验和污水处理过程中的出水生化需氧量预测建模,并与其他自组织模糊神经网络模型进行对比。仿真结果表明,所提出的SOEFNN模型能够很好地实现结构和参数的自适应调整,并且具有较好的逼近能力。     

高斯改进和声搜索FLFNN无源电子元件信号检测

针对现有信号检测方法在评估电子元器件的固有参数时效率低下、精度不高的问题,结合泛函链接模糊神经网络(FLFNN)和高斯改进和声搜索算法,设计了无源电子器件信号检测模型。首先,利用泛函链接神经网络概念,将其作为模糊神经网络输出层的模糊规则,设计了FLFNN网络模型;其次,采用高斯方式设计了改进的和声搜索算法,并给出理论分析,然后对FLFNN网络模型参数进行编码,实现了对其参数的优化;最后,通过实验仿真,对高斯改进和声搜索算法的参数选取进行实验分析,并对FLFNN信号检测模型进行实验对比,仿真结果显示高斯改进和声搜索FLFNN无源电子元件信号检测算法具有更高的预测精度。     

基于模糊神经网络的网络成瘾预测

综合运用模糊数学和神经网络知识构建一个模糊神经网络模型,用以预测网络成瘾。确定了适宜的判别指标和分级标准,对评价论域进行模糊处理;建立各指标对不同论域等级隶属度的计算模型;以实际网络使用者为样本,应用改进的BP算法训练网络模型,并对6个受验样本进行成瘾判别以验证模型的准确性。该方法是对已有的单一指标判别法和用模糊数学对多个指标判别方法的改进。实验证明,改进的BP神经网络方法能够快速、准确、有效地识别网络成瘾模式。     

基于快速模糊规则搜索的快速模糊系统建模

本文提出了一种基于快速模糊规则搜索的快速模糊系统建模方法,首先使用本文提出的快速模糊规则搜索方法进行模糊规则的粗略搜索,然后基于所得到的模糊规则集建立模糊神经网络模型,即利用规则前件确定网络结构,规则后件初始化部分网络权值。使用遗传算法对网络模型的权值和阈值进行学习训练。实验结果验证了快速模糊系统建模方法在描述较大规模非线形系统中的实用性和有效性。     

知识共享效率的R-RNN评价模型研究及应用

针对企业知识共享效率评价方法缺乏的现状,提出了基于粗糙集和RBF神经网络的R-RNN知识共享效率评价模型。在研究知识共享活动基本过程的基础上,分析了知识共享效率影响因素,得出效率评价指标体系。然后,运用粗糙集理论对评价指标进行预处理,去除冗余指标项,在合理化评价指标体系的同时减少网络输入维度,进而采用RBF神经网络对知识共享效率进行综合评价。最后通过具体的应用实例验证了该评价模型的有效性与可行性。     

一种多知识融合的获取模糊规则的集成方法

基于单一知识发现方法的不足,提出了一种获取模糊规则的集成方法。首先用Kohonen网络进行数据量化,然后运用粗集理论产生初始规则,并根据所得的规则建立模糊神经网络模型,优化模糊规则的参数,最后再进一步简化获取模糊规则。通过实例进行系统仿真,结果表明该方法是有效的, 同时为获取模糊规则提供了新的思路。最后与其它方法进行了比较,并总结了该方法的特点。     

基于粗糙集理论的多属性评估方法的研究

传统的模糊综合评价利用模糊数学理论来描述评价过程中涉及的一些模糊因素,取得了一定效果。但这种方法存在如隶属度参数的调整的主观性,网络结构不易确定,模糊规则的选取等问题不易解决。文章提出结合粗糙集理论（RS）和模糊神经网络（FNN）的一种网络评估模型,使得网络的结构容易确定,并利用Rosetta软件轻松提取模糊规则,是一种具有通用性的网络评估模型。     

甘蔗收获机切割性能的综合评价方法

由于甘蔗收获机的切割性能受到多指标的影响,提出了结合模糊综合评价与神经网络的方法对切割性能进行综合评价.采用模糊综合评价方法对受多指标影响的甘蔗根部破头率进行了综合评价,并用神经网络进行有关模糊综合评价知识的学习,以克服模糊综合评价方法烦琐的计算过程并减少由于学习样本的误差对网络预测性能的影响,从而提高评价模型求解问题的效率及自学习能力.     

模糊神经网络在商业规则数据挖掘中的应用*

利用模糊系统对规则提取的优势弥补了神经网络可解释性差的缺点,并使用模糊神经网络来进行商业规则数据挖掘。通过建立模糊神经网络对训练好的网络进行剪裁,最后提取模糊商业规则,说明了商业规则数据挖掘的全过程,并对其中重点算法进行了描述和改进。给出的实例证明了该方法的有效性。     

基于优化神经网络的云计算环境下供应链伙伴选择

针对云计算环境下供应链伙伴的动态性,提出一种基于优化神经网络的云计算环境下供应链伙伴选择模型.首先构建计算环境下供应链伙伴评价指标体系,并采用层次分析法计算每一个指标的权值,然后采用神经网络对采集的企业评估训练样本进行学习,并采用遗传算法对神经网络参数进行优化价,建立企业综合评估模型,最后进行了仿真模拟实验.结果表明,本文模型可以准确描述供应链伙伴的动态性,能够对云计算环境下的供应链伙伴进行全面、公正的评价.     

Fuzzy ART研究及在银行信用风险评估中的应用

探讨了Fuzzy ART神经网络的聚类功能及其参数对网络的影响。提出了一种基于该聚类理论的银行信用风险评估聚类模型。采用ASP.NET+MS SQL Server 2000的B/S构架实现了银行信用风险评估系统。通过上市公司财务数据验证了聚类结果的有效性和合理性。     

企业信用评估信息系统的设计与实现

介绍企业信用评估信息系统的设计与实现。该系统采用基于BP神经网络的企业信用评估模型,利用移动Agent技术收集和处理企业信用信息,用Java语言设计网络程序和用户界面,实现了企业信用评估信息管理的计算机化。     

轮式机器人模糊遗传PID转向控制实验研究

为了对模型复杂的轮式地面机器人进行转向控制，应用了模糊遗传PID控制方法。先用模糊神经网络建立车体模型，再用遗传PID进行参数寻优，最后用优化参数控制机器人转向。该方法能直观地判断PID参数是否有效。经过对车体转向控制的实验研究，控制效果良好。     

一种模糊神经网络的结构和参数的确定方法*

结合FGP(Fuzzy Grid Partition,模糊网格划分)和FNN(Fuzzy Neural Network,神经网络)提出一种有效确定模糊神经网络模型中结构及参数的方法.该方法首先从样本数据中采用模糊网格划分确定出最佳规则数,从而可确定神经网络的结构;然后采用BP算法对神经网络进行调节,从而确定出模糊神经网络的参数.采用这种方法构建我国经济增长的模糊模型.研究表明这种方法构建的模糊神经网络具有更高的精度.     

神经网络的企业信用风险评估应用研究

研究企业信用风险评估准确性问题,企业存在产品质量、不良贷款等信用风险问题,企业信用风险是多种因素的综合结果,存在着不确定、非线性、随机性等特点,无法建立确定数学评估模型。只能根据专家评估指标为依据。为了提高企业信用风险评估准确率,提出一种BP神经网络的企业信用风险评估方法。先采用层次分析法构建风险评估指标体系,再用专家系统对评估指标进行量化打分,最后采用BP神经网络对企业信用风险指标进行非线性学习,并对企业信用风险等级进行评估。实验结果表明,BP神经网络的企业信用风险评估模模型能显著提高评估准确率,并能够反映企业信用风险的随机性变化特点,使评估结果更加符合实际情况,为企业信用风险评估提供了参考。     

基于卷积神经网络的构件分类策略的研究

为了提高软件复用过程中构件检索的效率，分析了软件构件分类技术的优缺点以及构件特征，从构件刻面信息的角度，采用卷积神经网络技术，提出一种基于卷积神经网络的构件分类策略；利用卷积神经网络对构件刻面特征进行提取，减少人为因素，提高刻面信息提取精确性，并训练出基于卷积神经网络的构件分类模型，通过具体的实验，来论证该模型的准确性，以达到提高构件检索效率的目的。     

模糊神经网络在纳税信用评估中的应用研究

由于纳税评估过程中存在不精确、模糊以及冗余信息,传统评估模型多数采用经验法和比较法,缺乏科学性和公正性,评估结果正确率低。为了提高纳税信用等级评估的正确率,提出了一种采用模糊神经网络的纳税信用等级评估模型。首先利用模糊逻辑推理对纳税评估过程中的不精确、模糊的信息进行有效的处理,然后利用训练数据对神经网络模型进行训练学习,获得纳税评估指标和信用等级间的评估模型,最后通过利用测试集对模型进行验证,结果表明,模糊神经网络方法提高了纳税信用等级评估的正确率,为税收信用评估提供有效的依据。     

一种高精度微孔板浑浊度识别网络

提出一种基于卷积神经网络的高精度微孔板浑浊度分类算法。该算法主要将传统图像处理技术与卷积神经网络技术相结合,通过传统图像处理算法将圆孔从自然拍摄的微孔板图像中切割下来,并将切割下来的圆孔图像制作成圆孔数据集,用于网络模型的训练、评估和测试。同时,通过深度学习技术,设计并训练多个基于深度可分离卷积核的卷积神经网络模型,然后筛选出评估准确率最高的浑浊度分类模型,应用于圆孔识别系统,从而可提高研究人员的工作效率。     

基于灰色神经网络高速永磁电机试验效率评估

为了打破传统电机检测技术分析效率低、同步性差的局限,提出基于多参数评价的高速永磁电机动态性能评估模型。采用了热卡填充填补缺失值完成预处理,设计灰色关联度模型（GRA）得到各类属性列之间关联度,利用了贪心并查集思想得到降维后的4列电机属性参数,建立了一个4-5-1的三层神经网络结构。通过改变贪心算法得到的期望属性组数到5组并增加神经网络的参数设置,实现了电机测试数据分析模型的优化改进。在允许相对误差0.05的范围内,永磁同步电机(TB-416G-30-5型)运行效率预测准确度从90%提高到94%,试验表明：优化的灰色BP神经网络模型能有效适用于预测电机运行效率,在电机制造的智慧生产及机器学习在电机评估方面的应用有重要意义。