基于粗糙集与神经网络的电力负荷新型预测模型

针对电力系统多因素负荷预测问题的复杂性,融合粗糙集方法与神经网络方法各自的优势,提出一种新型的负荷预测模型——粗糙集径向基函数神经网络模型(RSRBFN).运用粗糙集方法和信息熵概念,在不改变样本分类质量的条件下约简负荷影响因素,简化了网络输入变量.通过消去冗余信息,提炼学习样本,获得典型样本.用典型样本约简隐含层神经元和训练网络,并将网络连接权值学习的非线性极值问题转化为线性规划问题,使网络结构得到优化,提高径向基神经网络的计算效率和预测精度,增强实用性.数值实验结果说明RSRBFN模型是可行、有效、实用的.     

基于模糊神经网络的商业银行信用风险评估模型研究

在确立了商业银行信用风险评价指标体系的基础上,建立了基于模糊神经网络的商业银行信用风险评估模型.该网络具有四个因子输入,一个衡量商业银行信用风险的输出,总共六层的结构,且模糊规则层具有根据具体问题情况进行调节的能力,优于神经网络完全黑箱操作的特点.利用Matlab6.1对167组样本数据进行实证分析,训练结果表明网络预测误差小.     

基于Rough集理论和神经网络的武器系统参数费用模型

建立武器参数费用模型 ,首先要挑选特征参数 ,这里采用知识约简方法选择武器的特征参数 ;利用神经网络理论建立了参数费用模型 ,武器系统的费用与武器特征参数的关系可通过神经网络的阈值和权值得到体现 .通过实例对神经网络法与线性回归法所得的结果进行了比较 ,结果表明 ,神经网络法比线性回归法精确.     

基于支持向量机的个人信用评估模型及最优参数选择研究

运用基于支持向量机理论试图建立一个新的个人信用评估预测方法,以期取得更好的预测分类能力.为了达到这个目标及保证可靠性,研究中使用网格5-折交叉确认来寻找不同核函数的最优参数.为了进一步评价SVM分类准确性,我们在本文最后对SVM方法与线性判别分析,Logistic回归分析,最近邻,分类回归树及神经网络进行了比较,结果表明,SVM有很好的预测效果.     

概率神经网络信用评价模型及预警研究

介绍了概率神经网络(PNN)方法及其分类机理,构造了用于识别两类模式样本的PNN结构,用来对我国2000年106家上市公司进行两类模式分类.仿真结果表明,PNN对训练样本有很高的分类准确率,能达到100%;但对测试样本的分类准确率却很低,只达到69 77%.因而使总体的分类效果偏差,分类准确率只达到87 74%.进一步的仿真结果表明,该方法对我国2001年公布的13家预亏公司进行预警分析时,准确率只达到69 23%.所以PNN不太适合用来对新样本的识别和预警研究.研究结果还表明,PNN在分类效果上不如MLP(对相同的样本,多层感知器分类准确率达到98 11%),但和Yang等的PNN分类效果(分类准确率最高达到74%)相比,该文给出的PNN结构其分类效果更好.所以作为一种方法上的探讨,PNN仍不失其研究的价值.     

基于神经网络技术的商业银行信用风险评估

研究了神经网络技术在商业银行信用风险评估中的应用．实证结果表明, 与传统统计方法（判别分析）相比, 神经网络技术具有更高的预测精度和更强的鲁棒性。     

商业银行信贷风险分析的人工神经网络模型研究

对人工神经网络及其应用于信贷风险分析的可行性进行了论述 ,着重对构建商业银行信贷风险分析的人工神经网络模型进行了深入细致的研究 .旨在得到一个可行的神经网络模型进行合理的信贷风险评价 ,为信贷决策提供科学依据.     

项目后评估中的粗集-神经网络建模与仿真

对粗集-神经网络理论进行了讨论,在神经网络基础上,提出粗集-神经网络项目评估方法,该方法利用粗糙集理论对数据样本进行数据浓缩,从给定学习样本数据中发现一组规则,提取规则作为神经网络的输入,该方法简化了神经网络的结构,提高训练效率,对我国农业工程项目后评估进行仿真,评价结果是合理的,具有较大的参考价值,在实际中有良好的应用前景。     

基于集对势的扩充粗糙集模型

针对已有扩充粗糙集模型处理不完备信息系统的局限性,在已有扩充模型的基础上,基于集对分析理论中集对势的概念定义了一种新的对象之间的分类关系,称为集对势容差关系,并由此给出一种新的粗糙集扩充模型.从局部角度,分析说明该模型的分类性能优于已有方法.同时选用UCI数据库中的数据集进行测试,通过实验表明该模型的整体分类性能也优于已有方法.因此更加适合大型不完备信息系统的处理.     

基于神经网络的企业信用等级评估

企业信用等级评估是金融领域重要的问题，论文采用人工神经网络模型研究企业信用等级的评估问题，按照企业样本在信用等级的分布状况来抽样，然后，根据企业样本性质的不同，将其分为制造业和非制造业两大类，利用偏相关分析方法建立了企业信用评级的指标体系，此外，还介绍了几种企业信用评级常用的评估模型，并将神经网络评估模型的性能和其他的信用评估模型作了比较，实验结果表明神经网络模型具有更好的预测准确性。     

根据粗糙集理论进行BP网络设计的研究

提出了一种根据粗糙集理论进行ＢＰ网络设计的方法,它结合了粗糙集理论的强大的定性分析能力和ＢＰ网络的准确的逼近能力,得到一种可理解性好、计算简单、收敛速度快的神经网络模型．这种神经网络的学习算法的要点是：应用粗糙集的理论和方法,从给定学习样本数据中发现一组规则,并根据这些规则去建立网络模型中相应的隐层节点;然后用ＢＰ算法迭代求出网络的参数,从而完成网络的设计.     

A Credit Risk Evaluation Approach to Neural Network Training by Means of Financial Ratios

In recent years artificial neural networks are used to recognize the risk category of investigated companies. The research is based on data from 81 listed enterprises that applied for credit in domestic regional banks operating in China. The backpropagation algorithm-the multilayer feedforward network structure is described. Each firm is described by 9 diagnostic variables and potential borrowers are classified into four classes. The efficiency of classification is evaluated in terms of classification errors calculated from the actual classification made by the credit officers. The results of the experiments show that LevenbergMarque training error is smallest among 4 learning algorithms and its performance is better, and application of artificial neural networks and classification functions can support the creditworthiness evaluation of borrowers.     

基于遗传规划方法的商业银行信用风险评估模型

利用遗传规划方法研究了我国商业银行的信用风险评估问题 ,并使用我国商业银丢失实际数据对模型进行了实证检验 .检验结果表明 ,该模型在预测精度、实用价值和鲁棒性方面都优于传统的统计模型、神经网络模型和决策树模型.     

贝叶斯网络个人信用评估模型

研究了朴素贝叶斯分类器、树增强朴素贝叶斯分类器2种贝叶斯网络信用评估模型的精度,用10层交叉验证在2个真实数据集上对贝叶斯网络信用评分模型进行了测试并与神经网络模型进行了比较.结果表明,贝叶斯网络信用评估模型具有较高的分类精度,在信用评估中具有优势.     

基于粗糙集理论与贝叶斯网络的超视距空战战术决策

基于智能互补融合的思想,将粗糙集理论与贝叶斯网络有机结合在一起,提出了一种超视距空战战术决策的新方法.利用粗糙集理论实现对专家知识的约简和空战态势信息集的压缩,提取了超视距空战战术的最小决策信息集,基于最小决策信息集的贝叶斯网络模型可以降低网络结构的复杂性;同时利用贝叶斯网络实现了超视距空战战术的概率决策推理.最后,进行了实例分析,决策推理结果表明该方法的正确性以及在不确定环境下的有效性.     

基于自适应遗传模糊神经网络的信用评估建模

提出了一种自适应遗传模糊神经网络评估信用风险的模型,该模型在多子群遗传算法基础上,采用带控制参数的动态概率选择与最优保存策略相结合的混合选择策略,根据种群适应度标准差大小动态调整交叉和变异概率,并将BP算子嵌入遗传算法中,构建了多子群自适应遗传BP算法,并利用该算法优化网络的连接权值和模糊参数。将所建模型应用到信用评估中,并与BP神经网络、ANFIS以及遗传神经网络模型预测效果进行比较,结果表明该模型对信用评估具有更好的泛化能力和更高的预测准确度。     

基于粗糙集-神经网络的矿井通风系统可靠性评价仿真研究

通过对矿井通风系统可靠性运行状态的跟踪统计和分析,首先建立了一套适合于矿井通风系统可靠性评价指标体系;然后利用人工神经网络与粗糙集理论的优势互补,以粗糙集作为前置处理系统优化指标结构,构建了基于粗糙集神经网络的通风系统可靠性评价仿真模型,并依此模型进行了实例验证.结果表明,该模型的仿真结论与基于ANN的结论完全吻合,训练效率提高了数百倍.     

基于变精度动态容差关系的扩充粗糙集模型

在分析已有扩充粗糙集模型的基础上提出了一种变精度动态容差关系的新模型.设置动态容差度参数来控制该扩展模型的容差关系强度,并且给出了该参教的动态曼新算法.设置精度参数来处理存在一定误差的数据,增强了模型的泛化和抗噪能力.最后用UCI中大量不完备数据验证了该模型的有效性.     

网上拍卖竞买方个人信用风险管理理论与评价模型

针对网上拍卖特点建立了保证金制度、网友担保制度和拍卖品底价披露制度等竞买人信用风险管理制度,提出了竞买方信用风险管理原理与流程,从制度层面上提出了信用风险管理方法。提出了可获取性和可验证性原则,建立了反映竞买方个人资产、担保和历史交易记录的3大类、9项指标构成的信用评价体系。运用层次分析法求解各层次评价指标的权重,通过模糊隶属度函数的建立求解竞买方个人信用分值,建立了网上拍卖竞买方个人信用评价模型,解决了竞买方个人信用等级的划分问题。根据信用评价方程合乎逻辑的特例得到了信用评分的阈值,解决了什么样的竞买人有权进行网上交易的判断标准问题。从信用制度、管理方法和评价模型上探索了控制网上拍卖竞买方个人信用风险的途径。     

基于Rough集理论的同类人员综合评判模型及其简化

基于 Rough集理论 ,通过建立同类人员评判模型 ,利用此模型及其简化模型的算法 ,探索以可达到高效率评判各类人员中同类人员为目的的技术和方法 ,并以实例加以说明.