基于遗传神经网络的农村土地征收价格评估模型

在首次构建农村土地征收价格影响因素体系的基础上,提出采用偏相关分析法 确定影响因素,然后利用遗传神经网络建立农村土地征收价格评估模型的新方法,并选取天津市土地征收市场交易案例进行 实证分析. 研究结果表明,遗传神经网络能够以市场信息为依托, 科学客观地评估农村土地征收价格,具有实际应用价值.     

外资流动对房地产价格影响的研究

首先讨论了外资进出房地产供需环节所表现出的不同特征,在此基础上深入考察了外资流动与房地产市场不同发展阶段之间的关系以及在相应阶段外资流动对房地产价格的不同影响.最后以上海为例,对外资流动影响上海房地产价格的现状以及未来变化趋势进行了实证分析.本文的主要结论是:当房地产市场处于繁荣、相持、衰退、萧条和复苏等不同阶段时,外资流动将对房地产价格产生不同的影响;上海房地产市场进入相持阶段,外资流入需求环节的幅度开始减少,房地产价格进入调整期.     

中国金融中心城市房地产价格与银行信贷的关系

首先探讨了房地产价格波动与银行信贷之间的关系,阐述了中国金融中心城市的特征及其房地产市场与一般城市的差异性.在此基础上,选取香港、北京、上海、深圳4个中国金融中心城市进行实证分析,运用多变量协整分析技术以及向量自回归模型,对金融中心城市房地产价格与银行信贷之间的关系进行实证检验.研究结果表明:各个金融中心城市房地产价格与银行信贷之间存在长期均衡关系, 其中,香港由于房地产融资渠道较多,其房地产价格和银行信贷之间的相互影响程度小于其他3个金融中心. 最后,建议应拓宽房地产企业融资渠道, 并完善住房保障体系.     

房地产价格与宏观经济基本面研究的新视角

从房地产市场羊群行为的角度探讨房地产价格与宏观经济基本面的关系,并用上海房地产市场数据进行实证.结果表明,羊群行为存在时,宏观经济基本面与房地产价格的关系发生扭曲,同时,房地产价格弹性(分别关于城镇居民家庭人均可支配收入以及人口增长)大于羊群行为不存在时的情形.     

市场差异与房地产评估公平性检验模型研究——基于存量住宅交易的经验证据

房地产价格波动和复杂的市场差异给价值评估带来诸多困难.本文从市场差异和高密度社区的特征出发,运用空间计量方法对国际主流的九种公平性检验模型的效用和适用性进行了比较研究,检验了评估比率、垂直和水平不公平的影响因素差异和分布特征.结果表明:在高密度社区,空间计量方法能有效地降低评估不公平程度,尤其是垂直公平性.两种空间计量方法的垂直公平性表现均比较好,但水平公平性检验效果欠佳.具体而言,空间滞后方法优于空间误差方法.在九种公平性检验模型中,PF、Cheng、IAAO、Bell、Chapp和Sunderman模型出现累退效应.另外,与Goolsby模型相比,AD模型对高密度区域的评估公平性检验更加有效.本文的研究为改进房地产评估准确性提供了一个微观证据.     

房地产投资评估与决策系统的分析与设计

运用房地产投资评估与决策的理论与方法 ,结合房地产开发项目实践 ,给出了房地产投资评估与决策系统的模型和结构 ,并进行了详细的系统分析和设计 ,开发了一个实用化的房地产投资评估与决策系统.     

基于动态混沌神经网络的预测研究——以马铃薯时间序列价格为例

针对农产品价格波动的非线性特征明显、传统时间序列方法在预测农产品价格短期波动存在不足等状况,本文将混沌理论和神经网络技术应用到农产品价格短期预测研究中,充分利用相关技术优势,设计了动态混沌神经网络时间序列预测模型.在此基础上,选取2008年1月21日-2012年7月1日的中国马铃薯日度价格为研究对象,对所构建的动态混沌神经网络时间序列预测模型进行学习、训练和测试,并用统计分析方法对模型性能进行评价与分析,最后,将所构建模型的预测结果与传统预测方法预测出的结果进行比较研究.结果显示:整个动态混沌神经网络结构为27-12-1,所设计的基于动态混沌神经网络的马铃薯价格时间序列预测模型在预测精度和性能上较ARMA模型均具有明显优势,这一预测模型在农产品价格时间序列短期预测研究上将具有广阔的应用前景.     

武器装备研制项目重要度评估模型研究

对常规评估方法和神经网络模型用于武器装备研制项目的评估进行了分析和比较,着重探讨了应用神经网络模型进行武器装备研制项目重要度评估的具体方式,并给出了部分应用实例.     

基于空间计量的我国房地产价格集聚与差异研究

人口、经济、环境等因素空间分布不均导致房地产市场供求水平的高度层次性和差别性,进而引致商品房价格的空间集聚与差异.本文基于我国287个地级市2002-2012年的相关统计数据进行实证分析,结果表明我国区域房地产市场存在显著的空间依赖性,并呈现逐年增强的趋势.空间计量模型在分析该类经济现象时更具有说服力和解释力,模型结果显示收入水平差异、供需失衡以及人口迁移是各地市房地产价格差异主要原因.     

土地价格、房地产信贷规模与房价的相互影响与均衡关系

房地产业的发展高度依赖银行信贷支持和土地供应。因此,土地出让政策和房地产信贷规模和房价之间可能存在相互影响的均衡关系。笔者选用从2000年第1季度至2013年第1季度我国房屋销售价格、房地产信贷规模和土地交易价格三个变量的时间序列数据,构造了反应三个变量短期和长期关系的向量误差修正模型,进行脉冲响应分析与方差分解分析,着重探讨了住宅销售价格、房地产信贷规模和土地交易价格三者的互动关系。结论表明:土地价格、银行信贷规模(房地产企业国内贷款余额与购房贷款余额)对住宅价格存在显著的长期稳定的影响。其中,土地价格对房价的影响略高于信贷规模对房价的影响。因此,政府在调控房价中应组合运用的土地政策与信贷政策,有效抑制房价过度波动。     

遗传算法在神经网络控制中的应用与实现

比较了遗传算法与神经网络的特点，并对将遗传算法用于前向神经网络的可能性进行了研究，同时阐明了遗传算法和神经网络结合的必要性，提出了一种融合遗传算法的神经网络控制方法，该方法采用多层前向神经网络作为遗传搜索表示方式的思维，以神经网络为基础，用遗传算法 习神经网络的权系数，即保留了遗传算法的强全局随机搜索能力，又具有神经网络的鲁棒性和自学习能力，将遗传算法和神经网络相结合，分析了遗传算法基本参数及神经网络结构、隐层和输出层节点非线性函的选择，设计了用遗传算法学习神经网络权系数的软件实现方法，成功地实现了机械手逆运动学求解问题及倒立摆的控制，仿真结果显示了遗传算法快速学习神经络权系数的学习效率与收敛精度，确保了快速达到全局收敛，克服了多层前向神经网络传统的BP学习算法精度低、收敛速度慢、容易陷入局部极小的缺陷，表明了该方法的可行性与有效性。     

电液系统神经网络自适应控制的研究

提出一种采用神经网络非线性系统控制的结构及原理．即采用两个ＢＰ神经网络，一个用来对被控系统进行在线辨识，另一个用做非线性自适应控制器．并对具有未知外部负载干扰的电液位置伺服系统进行了动态仿真，讨论了神经元激励函数形状因子、神经网络节点数以及神经网络训练次数对控制系统性能的影响     

AN INFORMATION THEORETICAL APPROACH TO NEURAL NETWORKS

The purpose of this paper is to present a unified theory of several differentneural networks that have been proposed for solving various computation, pattern recog-nition, imaging, optimization, and other problems. The functioning of these networks ischaracterized by Lyapunov energy functions. The relationship between the deterministicand stochastic neural networks is examined. The simulated annealing methods for findingthe global optimum of an objective function as well as their generalization by injectingnoise into deterministic neural networks are discussed. A statistical interpretation of thedynamic evolution of the different neural networks is presented. The problem of trainingdifferent neural networks is investigated in this general framework. It is shown how thisapproach can be used not only for analyzing various neural networks, but also for the choiceof the proper neural network for solving any given problem and the design of a trainingalgorithm for the particular neural network.     

容错神经网络研究

容错神经网络理论是分析和设计高可靠性的神经网络的理论和方法。容错神经网络的研究对于揭示人脑神经系统的容错机理和丰富容错系统理论有重大意义。本文结合所做的研究工作，系统地提出了容错神经网络的理论框架，为容错神经网络的理论和应用研究的深入奠定了基础。     

前向神经网络泛化问题研究

针对前向神经网络泛化问题,从函数论的角度分析了影响前向神经网络泛化性能的因素。为了提高网络的泛化性能,从理论上分析指出,在网络学习过程中通过增加隐含层神经元来降低网络最大固有误差和最大样本误差的同时,要求确保网络泛化定义域尽可能接近网络输入定义域,否则将有可能降低网络的泛化性能。通过数值试验验证了上述结论。     

基于LabView的PID神经网络控制器设计与仿真

PID神经网络控制器是将神经网络和PID控制规律融为一体,既具有常规PID控制器结构简单、参数物理意义明确的优点,同时又具有神经网络自学习、自适应的功能。研究了用虚拟仪器实现神经网络控制的方法,将虚拟仪器技术和PID神经网络控制有机地结合起来,采用LabView设计PID神经网络控制模块,提高控制系统的性能和开发效率。     

神经网络软件的开发与实现

神经网络软件的开发与实现段建新，汪浩，刘佩林（长沙国防科技大学七系，长沙４１００７３）ＤｅｖｅｌｏｐｉｎｇｔｈｅＳｉｍｕｌａｔｉｏｎｏｆＳｏｆｔｗａｒｅＮｅｕｒａｌＮｅｔｗｏｒｋｓＤｕａｎＪｉａｎｘｉｎＷａｎｇＨａｏＬｉｕＰｅｉｌｉｎ（Ｄｅｐａｒｔｍ...     

基于一种改进的RBF神经网络的直接甲醇燃料电池建模

针对直接甲醇燃料电池(DMFC)系统过于复杂，难以数学建模。应用一种改进的RBF神经网络对DMFC系统进行辨识建模。模型以甲醇的浓度和流速为神经网络辨识模型的输入量，电池电压／电流密度为输出量，利用1000组实验数据作为训练和测试样本，建立了不同甲醇浓度和流速下电池电压／电流密度动态响应模型。应用仿真对建模的有效性和精度进行了检验，并与BP神经网络辨识的效果进行了对比。仿真结果证明RBF神经网络比BP神经网络收敛得快，建模精度高，从而为设计DMFC实时控制系统奠定了基础。     

Elman与BP神经网络在矿井水源判别中的应用

介绍了Elman神经网络与BP神经网络,以谢一煤矿为例,分别利用Elman网络与BP网络,针对地下水化学特征分别建立突水判别模型,实例结果表明:Elman网络模型比BP网络模型具有更高的判别精度,更快的运算速度,更好的反应地下水系统特性,为矿井水害防治提供了一种辅助决策手段.     

高阶带阻滤波器优化设计研究

众所周知，传统BP神经网络收敛速度慢、学习效率低。之所以如此，主要原因在于人工神经元输出函数的同一化。本文提出的神经网络模型的主要特点是：用正交基函数作人工神经元的输出函数，而且每个神经元的输出函数各不相同。该神经网络模型有效克服了传统BP神经网络收敛速度慢、学习效率低的致命缺陷。本文还详细研究了FIR线性相位滤波器的幅频特性与余弦基函数神经网络算法的关系，给出了高阶带阻滤波器优化设计实例。计算机仿真结果表明了该算法在高阶带阻滤波器设计中的有效性和优异性能。