基于BP神经网络模型的高等教育学费研究

高等教育学费是当前的一个热点问题。以部分高校的相关数据作为样本,建立基于BP算法的神经网络模型。首先对样本数据进归一化处理,然后利用matlab进行模型的运算与分析,确定了高等教育学费的四个主要影响因素对学费影响程度的大小,从而得到了一个较为精确的高等教育收费数学模型。     

基于承受压力最小化的高校学费定价模型

我国普通高等学校学费问题已经成为社会关注的热点问题.本文综合考虑了政府、家庭、学校对高等教育成本的分担能力,建立了一个以总承受压力最小为目标的高校收费标准的优化模型,最后利用相关数据对模型进行实证分析,并给出了合理建议.     

基于神经网络的食品安全评价模型构建研究

食品安全评价模型的准确度高低,直接影响食品安全状况评价、预测的准确率.结合危害分析与关键控制点的(HACCP)食品安全管理体系理论,从食品供应链的角度出发,建立食品安全评价指标体系;使用层次分析法(AHP)改进逆向传播(BP)神经网络算法中随机初始化计算权重的方法,训练样本数据,并以测试数据作为验证,检测模型的误差收敛速度和拟合度.结果表明,这种BP神经网络结合AHP方法构建的模型具有实用、精度高、快速、客观等优点,可用于生产、加工、销售等流通环节食品安全评价、区域食品安全评价以及种类食品安全评价.     

基于Tobit—BP网络组合测评模型

本文针对已婚妇女工作时间的预测问题,提出先用Tobit（审查回归）模型对影响因子进行评价和优化筛检,再利用神经网络对已婚妇女工作时间进行预测,结果表明：该方法不但提高了预测的准确性而且兼顾了预测的效率,具有一定的实用价值．     

基于分辨矩阵与层次分析法的组合属性权重决策方法

针对基于粗糙集理论与层次分析法结合的决策方法在某些决策表中会出现非核属性权重为0,导致决策精度下降等问题,以属性分辨对象的次数及占比为依据,给出了一种分辨矩阵的属性重要度定义方法,进而提出了分辨矩阵与层次分析法相结合的属性权重决策方法,其不仅避免了非核属性权重为0,而且突出了核属性分辨对象的能力,客观反映了各属性在决策时所起的作用.实例表明组合权重法得到的决策结果更为合理,提高了决策的准确性.     

基于小波神经网络的期权定价模型

Black-Scholes模型所要求的假设条件在真实的市场条件下往往不能满足.提出了一种新的应用小波神经网络进行预测的欧式期权定价模型.将期权按钱性进行分类, 以一种新的加权的隐含波动率作为神经网络的输入变量,通过小波神经网络模型、BP网络模型和Black-Scholes模型来预测香港恒指买权的价格.实证结果表明,将一种加权的隐含波动率作为输入变量的小波神经网络模型优于Black-Scholes模型和其他神经网络模型.因此该模型可以更有效地预测欧式期权价格.     

链式竞争下基于Hotelling模型的定价与减排决策

考虑异质产品供应链在不同销售渠道下的供应链竞争情况,构建了基于Hotelling模型的产品定价与减排决策模型.研究发现,在无制造商网络直销渠道的情况下,尽管低碳产品零售价格大于普通产品价格,但低碳产品的市场份额大于普通产品的市场份额;但当制造商开通网络直销渠道后,两种产品传统零售渠道的市场份额相同,低碳产品市场份额随着消费者低碳偏好逐渐增大,普通产品市场份额相应减小.同时,低碳产品制造商在双渠道中的碳减排率高于单渠道的碳减排率.     

高等教育学费标准的神经网络模型研究

在适当的假设下,建立起符合中国实际的收费模型,即BP神经网络模型,该模型的网络算法符合实际要求,并以此为参考,指导各个高校根据自身的实际情况,制定合理的收费标准,从而规范高等教育收费。     

基于组合模型的三角模糊数预测模型

首先以北京市1994-2006年年平均最低气温、年平均气温、年平均最高气温构建三角模糊数序列的三个界点,出于数据整体性考虑将三角模糊数序列转换成等量信息的三个指标数序列,然后,对三个指标数序列分别构建了时间序列ARIMA模型,灰色预测GM(1,1)模型以及BP神经网络模型,最后在单一模型预测结果的基础上通过引入诱导有序...     

面向轻量化神经网络的模型压缩与结构搜索

针对轻量化神经网络中大量1×1卷积操作限制网络模型压缩的问题,提出了轻量化神经网络模型压缩算法,并对网络结构进行了搜索。根据有限长单位冲激响应滤波器线性相位特性思想,设计了具有线性相位约束的1×1卷积滤波器,将其应用在MobileNet网络中验证了有效性。采用遗传算法对MobileNet网络中具有线性相位约束的1×1卷积滤波器比例进行搜索,使用权重共享算法对遗传算法搜索过程进行加速,使用相对适应度指导算法进化方向。实验证明:具有线性相位约束滤波器的MobileNet网络在Cifar10数据集上的网络参数量降低为原始MobileNet网络的51.24%,网络准确率下降0.38%;在ImageNet数据集上的网络参数量降低为原始MobileNet网络的62.88%,网络top5准确率下降1.44%,具有线性相位约束的1×1卷积滤波器可以对网络模型进行有效压缩;遗传算法搜索出的最优结构网络准确率与MobileNet网络的相仿,网络参数量下降为原始网络的83.54%,网络模型更小,性能更优。     

基于BP神经网络模型的高校收费标准分析

为了预测高校的收费标准,选取2006年全国高校综合排名前30的高校作为样本,通过对影响高校收费的6个主要因素的比较、分析与统计,得出各个因素的量化值,将该量化值用于BP神经网络收费模型的训练与检验中,从而建立一个相对优化、合理的收费预测、指导模型,为在教育政策改变的情况下,制定出适应不同地区、不同专业以及不同培养要求的高校收费标准。     

基于组合模型对我国能源消费的预测

鉴于我国能源消费系统的复杂性及非线性特征,本文分别采用神经网络和时间序列两种方法建立我国能源消费总量的单项预测模型,并对各模型进行了检验,模型的检验结果表明建立的模型可以作为预测未来能源消费量的有效工具。根据标准差法对各模型的结果进行权重分配,建立我国能源消费的组合预测模型,组合预测模型既克服单一模型的缺陷,又提高了预测精度,之后应用此模型对我国未来六年的能源消费进行预测,2015年我国能源消费总量将会达到41.9亿吨标准煤。     

基于组合赋权法与云模型坝基岩体质量评价

利用组合赋权法与云模型对坝基岩体质量分级进行了评价,主要采用6项评价指标:岩石单轴饱和抗压强度、结构面间距、RQD、完整性系数、声波纵波速度和地应力修正系数,以金沙江旭龙水电站坝基岩体作为实例进行了质量评价.通过偏好系数法将优序图法和熵值法组合,利用云数字特征值建立岩体质量各评价因子的云模型,并得出岩体样本各评价因子对应的确定度,综合确定度最大值对应等级为岩体的质量等级.利用云模型的评价结果与传统的BQ分级法和可拓理论的评价结果进行比较验证,云模型具有可操控性和较高分类精度,能够精确地表达出岩体质量的综合确定度.     

生化过程的神经网络组合模型

用神经网络描述未知的反应动力学参数，结合反应器物料平衡方程，提出了生化过程的神经网络组合模型。并提出了特别适合微生物发酵过程的Ｍｏｎｏｄ饱和型和基质抑制型的神经元传递函数。在Ｈｅｂｂ学习的基础上，引入教师指导信号，提出了神经网络误差一次反向传播的快速学习算法。将此组合模型用于某流加发酵过程状态变量和动力学参数的在线估计，仿真研究获得了满意的结果。组合模型具有训练速度快、预测精度高等优点，为动力学结     

电网规划方案组合评价模型构建与应用

针对电网规划的特点,需要兼顾综合考虑电网规划方案的财务效益、技术经济、可靠性以及对环境的影响等,分别采用层次分析评价、熵值评价法等主、客观单一评价模型构建出基于信息熵原理的组合评价模型,对单模型评价结果进行综合,确保评价出最优的控制方案;实证研究表明:现实组合评价模型可有效地获取各单一评价模型的优点,提高电网规划方案优选的实用性,为电网规划方案的优选评价问题提供了一条新的研究思路。     

论高校学费的差别定价策略

本文利用公共定价理论,建立了高校差别定价的数学模型,分析了差别定价的优点与不足,并提出了相应的政策建议。     

基于ARIMAX模型和BP神经网络模型的江西省GDP实证分析

影响GDP的因素众多,且各因素对GDP的影响机制相对复杂.根据广义权值的大小,从众多影响GDP的因素中筛选出几个重要因素引入ARIMA模型得到ARIMAX模型,同时建立BP神经网络模型.进一步,为弥补ARIMAX模型和BP神经网络模型在预测上存在的不足,通过4种不同的方法分别赋予ARIMAX模型和BP神经网络模型不同的...     

基于时变权重的区间时间序列组合预测模型构造

时变权重组合预测模型可以有效反映各预测方法在各时刻点上的预测值对组合预测结果的影响,并可以提高预测精度,基于此,针对区间数时间序列构造组合预测模型的问题,提出一类构造区间数时变权重方法;该方法主要是在3种实数的时变权重求解方法基础上构造相应的3种区间数时变权重,并利用所得出的时变权重构造区间时间序列组合预测模型;为验证...     

企业资产剥离决策的期权定价模型

在假设某项资产的寿命无限长、在任何时刻出售的价格不变以及其经营利润服从布朗运动的基础上，得出了一个经营利润达到临界点的模型。当该资产在临界点的经营利润低于其出售价格一定比例时，最佳的选择就是剥离该资产。通过变量取值的替代和适当改变，得到了一个可用于操作的剥离决策模型。     

基于灰色模型的节水灌溉面积非线性组合预测

对数据进行建模预测分析时,较多采用单个模型,而单个模型难以全面反映数据的变化规律.为发挥单个模型自身优势,利用组合原理将单模型组合形成组合预测模型,以提高预测精度.组合模型中常采用线性组合方法,然而被组合模型拟合值与原始数据不具有线性关系时采用该方法效果较差.利用神经网络的高度非线性拟合能力,构建BP神经网络的非线性组合模型,并应用到我国节水灌溉面积年度数据预测上.实证表明,非线性组合预测模型精度优于单模型及基于最优加权的线性组合预测模型.