数据仓库在生产连续型企业库存控制中的应用

本文通过对生产连续型企业库存控制的特点分析，指出了仅仅利用传统的基于事务处理的管理信息系统和决策支持系统(DSS)解决该类库存控制决策分析问题的局限性，提出了采用数据仓库技术的必要性，并分析了传统决策支持系统的不足之处以及数据仓库(DW)技术对DSS的支持，设计了一种利用DW技术和数据挖掘(DM)、联机分析处理(OLAP)等
数据仓库工具提供库存控制决策支持的方案。     

RFID技术在零售企业库存管理系统中的应用分析

连锁零售业作为一个蓬勃发展的商业模式,降低企业成本、提高工效、减少积压、加快物资周转、杜绝浪费等库存管理系统问题是企业面临的实际问题.文章分析了FRID技术在实际零售企业库存管理系统中的实际应用,更好的满足了大型连锁企业的实际库存管理需求,突破了传统模式库存无管理或人工管理的局限性,加强了信息共享和数据准确性.     

BP神经网络在预测制造业安全库存中的应用

运用BP神经网络良好的非线性品质,通过对影响制造业安全库存因素的分析,建立相应的BP神经网络预测模型,并用实际安全库存量对网络进行训练,以达到对安全库存量的精确预测,减小企业存储成本,提高经济效益。     

基于神经网络的气象备件库存预测控制可用性研究

现有气象备件库存预测控制方法以可修复备件管理多级法为主要依据,具有一定的局限性,存在着数据拟合度低的问题,为此提出基于神经网络的气象备件库存预测控制可用性研究.依据BP神经网络构建气象备件库存需求预测模型,拟合已知数据之间的非线性关系,计算数据非线性相关系数,选取模型输入数据,得到气象备件库存需求量,依据COV分析法计...     

改进BP算法在预测安全库存中的应用

针对标准BP算法收敛速度慢、容易陷入极小值的缺陷,利用附加动量项和变步长思想相结合的改进算法,建立三层BP网络模型对安全库存量进行预测,并与标准BP算法的预测结果进行比较,提高了网络收敛速度和预测准确度.     

神经网络技术在库存管理中的应用

随着消费者对商品需求的增长和商品类型的增加,如何在最小化库存的同时保证最大程度满足消费者的需求已成为各个零售公司的一个主要问题。该文介绍了使用基于数据挖掘和知识发现的神经网络技术来解决库存问题的方法。     

神经网络在企业安全库存管理中的应用

论文介绍了一种BP神经网络模型,能针对中小石化企业较好地解决了安全库存问题,同时也对生产优化有着一定帮助.文中首先介绍数据挖掘及其相关理论,重点阐述了BP神经网络模型,接下来详细地介绍了BP神经网络模型在具体的库存管理中模型的建立.     

供应链管理环境下的库存控制

库存控制是供应链管理中的一个重要问题。供应链的库存管理不是简单的需求预测与补给,而是要通过库存管理获得用户服务与利润的优化。其主要内容包括采用先进的商业建模技术来评价库存策略、提前期和运输变化的准确效果;决定经济订货量时考虑供应链企业各方面的影响;在充分了解库存状态的前提下确定适当的服务水平等。     

人工神经网络在材料设计中的应用及其若干共性问题的研究

应用人工神经网络进行材料设计已取得了可喜的进展，本文回顾了人工神经网络应用于材料制备工艺研究时的一些共性问题，如：样本筛选、网络结构的确定、加快网络训练速度、改善网络预测效果、最优工艺参数的确定等，并给出相应的解决办法。     

基于改进小波神经网络的信息安全风险评估

由于信息安全风险评估具有非线性、不确定性等特点,采用传统的数学模型进行信息安全的风险评估存在一定的局限性。将人工神经网络(ANN)理论、小波分析及粒子群优化算法有机结合,提出了粒子群-小波神经网络(PWNN)的信息安全风险评估方法。首先,采用模糊评价法对信息安全的风险因素的指标进行量化,对神经网络的输入进行模糊预处理;其次,采用粒子群优化算法对小波神经网络进行训练。仿真结果表明,提出的改进的小波神经网络模型可实现对信息系统的风险因素级别的量化评估,克服现有的评估方法所存在的主观随意性大、结论模糊等缺陷,具有更强的学习能力、更快的收敛速度。     

电力电量预测的神经网络方法

本文依次将前六个月用电量作为输入值,第七个月用电量作为输出值,建立BP神经网络结构,根据历史数据对神经网络进行训练,并通过预测试验,对预测网络进行检验,结果表明利用神经网络方法对全国用电量进行预测是可行的.     

人工神经网络技术的发展与应用

神经控制是一种新型的控制系统,其在动态模拟、建模和控制方面应用广泛。为了更好地研究人工神经网络技术,对人工神经网络的起源和发展历史作了回顾,阐述了人工神经网络的一般结构特性,讨论了几种常用的人工神经网络的忧缺点以及目前在工程应用中的情况,并用较先进的例子对其应用作了说明,然后对其发展与应用作了展望,以期对人工神经网络的研究与应用提供参考。     

基于遗传算法的WNN在电力负荷短期预测中的应用

提出将小波神经网络和遗传算法相结合,用于电力系统短期负荷预测的新方法。具体是充分利用遗传算法的优越性,对小波神经网络的权值进行优化,然后利用优化得到的权值,对原始数据进行W N N训练。通过仿真,该种方法比传统利用神经网络进行负荷预测具有更高的精度。     

基于WNN的两种优化结果在预测控制中的应用*

从优化小波神经网络的角度出发,对两种优化模型从理论上进行建模与推导;根椐预测控制的特点,提出离散小波神经网络模型GA分层优化方法及广义小波神经网络模型优化方法与预测控制相结合的新的应用途径.仿真结果证明了该方法的有效性和可行性,能使实际工程中的预测控制结果得到优化.     

应用人工神经网络确定声波孔隙度

利用声波测井获得的时差求取地层孔隙度是石油测井解释中一项重要任务，传统的方法主要是利用Wyllie实验得到的时间平均公式以及其改进形式或经验公式，均为统计学方法，在具体应用上是很不方便的，优越于统计学理论的人工神经网络方法具有高度的自学习、自适应和抗干扰性等优点，采用带有非线性连接权的二层前馈神经网络能够取代三层BP网络的功能，实际应用表明，应用神经网络能够很好地确定声波孔隙度．     

人工神经网络模型发展及应用综述

人工神经网络与其他学科领域联系日益紧密,人们通过对人工神经网络层结构的探索和改进来解决各个领域的问题.根据人工神经网络相关文献进行分析,综述了人工神经网络算法以及网络模型结构的发展史,根据神经网络的发展介绍了人工神经网络相关概念,其中主要涉及到多层感知器、反向传播神经网络、卷积神经网络以及递归神经网络,描述了卷积神经网...     

基于优化小波BP神经网络的燃气短期负荷预测

在燃气短期负荷预测问题的研究中,燃气负荷由于受天气、人为活动等因素的影响,呈现出一种非线性特性,单个神经网络的局限性限制了其预测精度.为了有效的预测天然气短期负荷,提出了一种混沌遗传算法优化的小波BP神经网络预测模型.小波网络结合小波变换良好的时频局部特性和神经网络的自学习能力,加强了网络的函数逼近能力.利用混沌遗传算法的全局优化搜素能力对网络连接权值、阈值和伸缩平移尺度的优化求解,加快了网络的收敛的速度,建立最优的燃气负荷预测模型.将组合模型应用于上海燃气短期负荷预测,结果表明改进检测模型具有更好的非线性拟合能力和更高的预测精度.     

一种基于人工神经网络的音频水印算法

本文提出了一种新的基于人工神经网络的音频水印算法。该算法利用人工神经网络来智能地估计原宿主信号的水印强度因子,并以这些强度因子的值作为确定水印嵌入强度的依据,以此种方式嵌入水印后的信号其能量频谱能够总是保持在宿主信号的最小听觉掩蔽门限之下。实验结果表明,在音频作品里面以这样的方式加入水印,不但能够保持相当好的透明性,而且对诸如加噪、重采样、重新量化等攻击表现出较好的稳健性。