BP神经网络在房地产估价中的应用

将改进型BP网络用于房地产估价 ,通过在识别阶段对训练样本分类正确率问题的讨论 ,提出运用欧氏距离对网络的识别系统进行改进的方法。应用实例表明改进识别方法的BP网络应用在房地产估价中能使待判样本分类正确率从 90 .5 %提高到 1 0 0 % ,相应的估价误差从 1 .7%降低到 0 .3%。     

基于RS-GA-BP神经网络的住宅房地产估价模型与应用

针对一般住宅房地产估价问题的非线性特征,融合粗糙集方法、遗传算法和神经网络算法的优势,提出了一种新的住宅房地产估价模型一基于粗糙集、遗传算法和BP算法集成的住宅房地产估价模型．首先对影响房地产估价因素进行离散化处理,其次利用粗糙集方法对估价因素进行约简,即精减BP神经网络的输入变量,最后利用遗传算法来优化BP神经网络初始权重和阈值．优化后的BP神经网络具有较好的处理非线性问题的能力,收敛速度和仿真精度较传统BP算法都有了明显的提高．选取某市工程案例进行实证分析,研究结果表明,新的估价方法能较客观准确地估测住宅房地产的价格,在住宅房地产估价中具备较高的实用性．     

一种改进的BP算法及其在模式识别中的应用

针对前馈神经网络中传统BP算法的局限性，给出了一种改进的BP算法，选取了一种新的误差函数，并对其参数进行了动态自适应调整．通过比较，改进的BP算法收敛特性明显优于传统的BP算法．实践证明，将上述算法应用于对工业零件的识别当中，可有效提高识别速度和识别正确率约17％．     

收益法房地产估价的分析与改进

通过对收益法房地产估价中年净收益的估算、还原利率的确定和收益现值的计算等三方面的分析，提出了收益法在房地产估价应用中的不足及改进方法。     

实物期权在房地产估价中的应用

传统的房地产估价方法无论是重置成本法、现行市价法，还是收益现值法尚存在一定缺陷。本文将物期权应用到房地产估价中，提出了估价的公式，并以写字楼为案例对其进行估价，得出较为准确的计算结果。实物期权方法能够客观地处理房地产投资中的不确定性，以及项目管理的灵活性，是一种更为合理的房地产估价的方法。     

一种基于BP网络的流量分类方法

针对传统的网络流量分类方法准确率低、开销大、应用范围受限等问题,提出了一种基于BP网络的流量分类方法。该方法改进了标准的BP网络算法,采用基于Lyapunov函数得到的自适应学习率,并引入遗传算法优化网络的初始连接权值和阈值,使网络避免陷入局部最小,加速了网络收敛过程。实验结果表明,采用改进的BP网络算法来处理网络流量分类问题具有明显的优势：该方法的收敛速度和拟合精度均优于标准BP算法,而且流量分类准确率高于NB算法。     

我国城市房地产估价的模糊数学应用述评

分析了城市房地产估价存在大量的模糊现象,阐述了模糊数学在城市房地产估价中的应用,在此基础上,对模糊数学在我国城市房地产估价中的应用进行了评述与展望,认为引入模糊数学完善了城市房地产估价的理论体系,提高了城市房地产估价的精度,能够促进我国城市房地产估价事业的发展.     

房地产估价实务中若干问题的探讨

房地产估价在我国市场经济中的重要作用越来越明显,房地产估价理论知识也在不断地完善及更新．然而,由于外部环境影响,房地产估价实践活动中出现的问题在一定程度上阻碍了估价方法的应用．笔者针对市场法交易实例搜集选取上的问题、收益法中报酬率求取的问题,以及用不同估价方法测算的结果存在较大差异的问题,提出自己的看法及建议措施．     

基于BP神经网络的车型分类器

针对车型特征,提出了一种基于BP神经网络的识别方法．从图像中提取车型特征向量,用BP神经网络设计分类器,并进行有效的训练与测试．应用改进的BP算法（尺度化共轭梯度法）对网络进行训练,使网络很快得到收敛,解决了一般算法收敛慢的缺陷．     

基于模块化神经网络的轴承故障判断方法

提出了一种用于滚动轴承类故障识别的混合模块化神经网络方法．该方法将用于检测故障的过滤网络模块与用于分类的网络模块相组合．首先将不同故障类别轴承的振动信号形成的特征向量经过滤模块，用改进的BP算法判断有无故障，然后经分类网络模块确定其所属故障类型．分类模块中的网络结构则通过对每类故障独立训练形成．实验结果证明，与单一神经网络学习及判断结果相比较，本文提出的方法准确率更高，实用性更强．     

BP网络泛化能力改进方法在染色配色中的应用研究

针对BP神经网络在织物染色配色中的局限性,提出了对BP神经网络应用到织物染色配色中的泛化能力改进方法。实验及仿真结果表明,基于泛化能力改进的BP神经网络在平均均方差上优于标准的BP神经网络,并且误差函数改进的BP神经网络要优于网络训练提前结束法改进的BP网络,与一般的BP神经网络模型相比,计算精度有了较大的提高。     

基于模糊预处理的聚类神经网络模型设计

在传统的ART网络及BP网络基础上分别作了改进，有机地结合了两种网络的优越性，并对输入数据进行模糊预处理，从而构建了新的比较健壮的网络模型，并具体给出了网络的模型结构及工作原理．该网络的特点是：检测故障的类别数可以增加，能累计增加新的样本类节点，且能分阶段训练，对故障的分类效果好．     

关于房地产估价中资本化率计算方法的探讨

为规范我国房地产估价工作，我国在房地产领域开展了全国房地产估价师注册考试制度。中国房地产估价师学会为此专门组织编写了系列教材，有关部门还颁布了房地产估价规范。作者在系统学习了系列教材与规范后，发现教材与规范中有关房地产估价资本化率公式中存在不妥之处，自有资金收盗率存在不明确性。由于资本化资的高低对房地产估价值会造成很大的影响，所以在房地产估介中正确地求取资本化率就显得极为重要。本文从海外成熟的房地产估价理论出发，论证了教材中公式不妥之处，给出了正确的公式及定义，并就公式及规范中没有明确表述的自有资金收益率进行了推进并得出了清晰的定义，为进一步完善我国房地产估价理论提供了有益的见解，对规范房地产估价的实践提供了有价值的参考。     

对复合投资收益率法确定资本化率的思考

复合投资收益率法是房地产估价中确定资本化率的主要方法之一，它的准确性直接影响到采用收益法评估的收益价格的可靠性．基于对复合投资收益率法应用中存在问题的剖析，对资本化率的构成进行了分析，提出了利用复合投资收益率法确定房地产资本化率的建议。     

基于改进BP神经网络车型识别的研究

在分析了BP网络学习算法的缺陷基础上,引入动量项和遗传算法对BP网络学习算法进行改进。利用小波多尺度边缘检测对汽车车型图像进行分割和特征提取,利用矩不变量特征和改进BP神经网络对汽车车型进行自动识别和分类。提高了汽车车型自动识别和分类的速度和正确率。     

一种基于进化BP神经网络的文本分类算法

提出并实现了一种结合BP神经网络和遗传算法的文本分类算法,根据遗传算法能够快速优化网络权重以及摆脱BP算法局部极点困扰的能力,提出一种改进的遗传算法确定网络拓扑结构和训练网络的方法．最后对设计的分类器进行了开放性测试,实验结果表明该分类器显著地提高了文本分类的查全率和查准率．     

人工神经网络在测井资料参数估算中的应用

利用人工神经网络(BP网络)的原理对测井资料进行了解释，建立了测井解释的BP神经网络模型，对BP网络进行了改进，提高了收敛速度，并防止陷入局部极小．利用多种测井数据及岩芯描述资料作为网络模型的学习样本，通过网络的学习、训练，建立了测井解释的神经网络模型．以渗透率的计算为例，应用此模型定量计算了川西某气田多口井的渗透率值，其解释结果及精度均令人满意，取得了良好的实际应用效果。     

混沌优化BP网络在指纹分类中的应用

利用混沌运动的遍历性、随机性和规律性等特点,将加速混沌优化方法与BP算法相结合,并用混沌激励函数代替部分S型激励函数的混合优化方法对BP网络进行了改进.仿真实验结果表明,改进后的BP网络能够对指纹进行准确分类,其精确度高于传统BP网络.     

基于模糊自适应BP算法的工程造价估算

工程造价估算是工程建设管理的重要环节，应用BP网络进行估算快速方便，但是BP网络学习收敛速度较慢，学习效率较低，常不能保证全局收敛而导致学习失败，对其算法进行了改进，提出了一种模糊自适应BP算法，并通过一个工程实例，应用改进后的BP网络进行工程投资估算，结果表明，该方法可行，估算结果精度较高。     

基于神经网络的在线英文Pitman速记发声字的识别

介绍了一种对英文Pitman速记发声字进行在线分割识别的新方法，该方法在预处理速记手写体的基础上，采用BP神经网络对发声字分割中可能出现的过分割进行检测和纠正，对音素记号／非音素记号和单个音素记号进行分类和识别，并实现了基于单个笔划识别结果的整体单词识别。通过对68个常用英文单词的测试，验证了该方法的平均识别正确率达到89．6％。