我国失业状况探析

在讨论西方经济学和发展经济学对失业存在的形式的基础上，结合我国经济处于转轨时期的特点指出：由于体制性因素，除存在公开性失业，还存在隐性失业与隐性就业。应客观评价我国失业状况，力提出合乎现实的失业救助与社会保障政策提供参考。     

试论我国失业职工的安置

本文介绍了我国失业的现状和今后的发展趋势，说明了产生失业的原因，论述了如何安置好我国企业失业职工的途径。     

论社会主义条件下的失业与再就业

从失业的含义入手，探讨失业的原因，并重点论述我国现阶段失业现象及再就业的对策。     

基于PCA-BP神经网络的高校毕业生失业率预测模型实证研究

针对高校毕业生失业数据的非线性、小样本、高维度特点,采用主成分分析和BP神经网络相结合的方法,构建了高校毕业生失业率预测模型,并借助河北省1995—2016年高校毕业生失业数据进行了实证研究.结果表明,该模型能有效地反映河北省高校毕业生失业率的变化趋势,预测精度高于仅用BP神经网络构建的预测模型.     

失业成因及对策分析

我国失业产生的原因主要有体制改革使隐性失业呈显性化，各产业劳动力需求结构发生变化，资本密集程度提高，导致结构性失业。解决失业的措施主要有推行弹性工时制，实行教育改革，发展劳动密集型产业，发展第三产业，发展中小企业。     

转轨时期失业的特殊表现形式分析

本认为下岗是转轨时期我国失业的特殊表现形式，它既不同于我国现阶段的自然失业．也不同于资本主义社会的失业，正确认识这一现象有助于我们采取积极的治理措施并推动国企改革向纵深发展。     

新时期失业弱势群体社会支持政策机制的建构

弱势群体问题已成为我国社会生活中日益凸出的严重社会问题。在弱势群体构成中，失业群体居首位。失业弱势群体的出现，对社会有举足轻重的影响，政府应出台相关政策以支持失业弱势群体。     

我国现阶段失业问题的分析与思考

本认为，我国现阶段失业产生的根本原因是人口数量过多，经济发展落后。使隐蔽性失业变成公开性失业则主要在于实行“两个根本性转变”；失业观念落后，社会职业中介机构不健全、职业培训能力不足及新的社会保障制度没有完全建立是失业人员再就业的主要制约因素；实施再就业工程必动动员全社会的力量，既着眼于目前，又考虑长远，既治标又治本。     

我国转型期失业和下岗的成因与对策

我国目前正处在经济的转型期，失业和下岗问题日益凸显出来。文中在分析造成失业和下岗的原因之后提出了治理失业和下岗的措施与对策。     

浅析当前我国结构性失业问题及对策

本文认为，失业已成为我国社会经济发展过程中一个不容回避的严重问题，当前的失业主要是各种经济结构变动引起的，即结构性失业，当前应重点发展第三产业和中小企业，规范和完善职业技术培训制度，才能降低失业率，逐步实现充分就业。     

基于BP神经网络的高知识群体失业率预测研究

基于MATLAB仿真平台建立了高知识群体失业率预测的BP神经网络模型,应用数据插值及曲线拟合的方法,补充了高知识群体失业调查中未采集与未公布的数据,解决了失业率预测中的不完全数据问题,训练集和检验集与实际失业数据的仿真实测误差符合实用要求,有效提升了高知识群体失业预测的精确度.     

供电企业发展电子商务的探讨

能源企业加强网络战略能够带来经济利益，在国外市场已经出现，当前我国国有企业改革进入攻坚阶段，简单的下岗分流是行不通的，必须谋求自身产业升级与下岗分流相接合。而电子商务带来了一个可以考虑的机遇。     

基于RBF神经网络的语音情感识别

介绍了径向基函数神经网络的原理、训练算法,并建立了RBF神经网络的语音情感识别的模型。在实验中比较了BP神经网络与RBF神经网络分别用于语音情感识别识别率,RBF神经网络的平均识别率高于BP神经网络3%。结果表明,基于RBF神经网络的语音情感识别方法的有效性。     

基于径向基函数神经网络的水轮发电机组效率曲线计算方法

提出用径向基函数(RBF)神经网络进行水轮发电机组效率曲线计算的方法，并建立了径向基函数神经网络模型，以有限水头下原型效率试验数据为样本进行训练，所得的网络可快速准确地计算任意水头下的效率特性曲线。与BP神经网络模型的对比结果表明，该方法避免了BP神经网络的局部极小及收敛速度慢等缺点，在精度、训练速度等方面优于BP神经网络。     

混沌神经网络研究及其应用

对全局耦合映射(GCM)模型、Aihara混沌神经网络模型和Inoue混沌神经网络模型等模型的研究现状、构成和特点进行了全面的分析,综述了混沌神经网络的主要应用领域,并试探性地指出了混沌神经网络的发展方向．     

交通量的灰色神经网络预测方法

结合灰色系统思想与神经网络构成灰色神经网络,根据目前灰色模型与神经网络结合的方法,提出并联型、串联型和嵌入型3种预测模型的结构.并联型灰色神经网络首先采用灰色模型、神经网络分别进行预测,而后对预测结果加以组合作为实际预测值;串联型对多个灰色预测的结果使用神经网络进行组合;嵌入型在神经网络的输入端、输出端分别增加一个灰化层和白化层而构成.对并联型灰色神经网络给出一种根据预测模型的有效度确定加权系数的方法.将上述3种灰色神经网络模型用于对京石高速公路断面机动车实时交通量进行预测,模型精度和预测结果比较理想,优于单一预测模型.实验表明:灰色神经网络可提高预测精度,用于交通量预测方法是有效可行的.     

基于RBF神经网络的射频功放器件大信号建模方法研究

基于多层前向神经网络对任意非线性连续函数有较好的逼近效果，对BP(反向传播算法)神经网络和RBF(径向基函数)神经网络作了理论上的分析比较。并采用实际数据进行训练。说明了RBF神经网络在逼近精度和速度上都要优于BP神经网络。最后，以RBF神经网络作为函数逼近器对射频功率器件建立了大信号特征模型，并进行了模型检验，证明了基于RBF网络的建模方法具有较高的精度。     

基于遗传算法和神经网络的远程减速机故障诊断系统的设计

通过对减速机故障形式的分析,采用BP神经网络建立故障诊断模型,利用遗传算法优化神经网络权值、阈值、网络结构,将遗传神经网络模型应用到远程减速机的故障诊断的设计中,比较单一的神经网络和遗传神经网络的训练误差曲线,得出遗传神经网络在训练速度和准确性上远远高于神经网络训练模型.     

基于遗传算法和神经网络的远程减速机故障诊断系统的设计

通过对减速机故障形式的分析,采用BP神经网络建立故障诊断模型,利用遗传算法优化神经网络权值、阈值、网络结构,将遗传神经网络模型应用到远程减速机的故障诊断的设计中,比较单一的神经网络和遗传神经网络的训练误差曲线,得出遗传神经网络在训练速度和准确性上远远高于神经网络训练模型。     

一种改进的模糊调节神经网络及其应用

针对具有相同激励函数的隐层神经元非线性表达能力较差的情况,提出了一种改进的模糊调节神经网络,并利用遗传算法进行训练。该模糊调节神经网络包括模糊神经网络和三层前馈神经网络2部分,通过模糊神经网络间接调整前馈神经网络隐层激励函数参数,并用遗传算法同时对模糊调节神经网络的权值和模糊神经网络参数进行训练,从而增强了网络的表达能力。将模糊调节神经网络用于非线性量化因子模糊控制器参数的整定仿真结果表明,改进的神经网络比传统的神经网络拥有更大的自由度,具有更强的非线性表现能力,从而使非线性量化因子模糊控制系统具有更好的控制性能。