基于神经网络的管理信息系统综合评价方法

在建立管理信息系统综合评价指标体系的基础上，提出了一种基于BP网络的管理信息系统的综合评价方法，该方法不仅能够模拟专家对管理信息系统进行综合评价，而且避免了评价过程中的人为失误，仿真实验表明采用该方法获得的结果是令人满意的。     

神经网络多指标综合评价方法研究

利用人工神经网络ＢＰ算法建立了多指标综合评价模型,采用模糊数学的隶属函数对评价指标进行描述,由隶属函数的端点值和中间值组成学习样本模式,举例讨论了神经 多指标综合评价中的应用方法与及应注意的一些问题。     

多目标综合评价的指标体系

本文从认识论的观点论述多目标综合评价问题中目标体系的设计方法，并通过实例说明基础描述型指标体系、分析评价型指标体系和规划决策型指标体系三者的关系及其作为多目标综合评价依据时的递阶层次结构。     

基于BP神经网络的企业技术创新效果的模糊综合评价

应用模糊数学中的BP神经网络理论对企业技术创新效果进行综合评价,从而提供了一条对企业技术创新效果进行定量分析的有效新途径.     

基于神经网络的模糊综合评价方法

运用神经网络确定模糊综合评价中的权重值,使权重值更符合实际情况。采用改进的反向传播算法训练网络,逐步修正网络的连接权值,使模糊综合评价指标的权重值逐渐接近实际情况,得到较好的训练效率和效果。最后利用该方法对液压凿岩机进行性能评价,验证了该方法的正确性。     

基于Hamming神经网络的经济效益综合评价模型

利用 Hamming神经网络提出了多指标经济效益综合评价模型建模方法 ,并将其应用于企业综合经济效益评价问题的研究中 ,取得了较满意的结果.     

社会技术系统中的多目标综合评价

本文对社会技术系统中的多目标综合评价方法进行了综述，对几种主要的评价模型进行了对比分析，提出了项目选择模型的综合方法。     

典型井灌区农田节水技术模式多目标综合评价

在调查研究的基础上,总结了河北省景县农业灌溉生产中存在的七种农业技术模式,并运用多目标综合评价方法对七种技术模式进行了综合评价。结果得出,抗旱品种＋“小白龙”输水＋大田畦灌＋小麦,玉米水肥耦合技术模式得分值最高,可成为适合于景县农业灌溉的最佳综合技术模式。喷灌虽然有其技术优势,但综合效果仍然较低,在短时间内不可能成为当地大面积节水灌溉农业的主导技术模式。表4,参6。     

基于神经网络的无源多传感器属性数据关联

采用引入动量项、自适应调整步长，Levenberg-Marquardt优化方法对基本的BP神经网络进行改进，以提高学习速度，改进的BP神经网络学习算法用于对无源多传感器获得的雷达辐射源参数进行属性数据关联，能够自适应地调整阈值，即根据训练数据调整关联的门限值，与确定门限的属性关联算法相比，有着很高的关联正确率。     

具有模糊信息的多目标系统解模糊决策方法

对于具有模糊信息的多目标系统提出了一种模糊多目标决策方法。首先利用专家意见通过模糊算法集结各方案的模糊综合评价值,然后改变传统方法中对模糊数进行排序的做法,利用一种解模糊算法,直接对模糊综合评价值实行解模糊来进行方案优选,方法直观、简单,易于实现。最后给出了一个数值例子。     

一种用神经网络来进行图像恢复的方法

本文首先简要地介绍了Ｙ．－Ｔ．Ｚｈｏｕ提出的图像恢复神经网络方法，并分析了这种方法存在的缺陷，在此基础上提出了一种用于图像恢复的改进神经网络方法，在计算机上利用实际拍摄的人头图像对本文提出的改进方法进行仿真实验，结果表明本文提出的这种方法是切实可行的。     

基于MATLAB的神经网络在股市预测中的应用

以道氏三大假说作为理论基础，设计一个三层BP网络，并建立相应的数学模型，以MATLAB为工具，个股上海石化(600688)140天实际收盘价作为样本，对网络进行训练后，预剩10天的收盘价，并计算出与实际收盘价的高差Q＝0．0146，Q已经小到几乎可以忽视的程度。     

神经网络在产品结构模型模糊综合评判中的应用

应用神经网络、模糊综合评判和AHP的集成方法,通过对东风汽车系列产品结构的指标体系的评价,得到了产品结构现状模型.用PPM法得到了12个主要产品所在的位置,分析了产品结构不合理的原因,并提出了产品发展的对策.应用集成方法计算所得结果与汽车行业当年的经济状态相同,有一定的实用价值.     

基于BP神经网络的虚假财务报告识别

针对虚假财务报告的特点,设计了一种基于BP(反向传播)神经网络的虚假财务报告识别模型。根据1999~2002年的年度审计报告意见,从上市公司中,选择确定了44家虚假财务报告样本,并按照一定的标准选择了44家真实财务报告样本,这88个样本构成训练数据集。类似地,从2003~2006年的上市公司中,选择了73家虚假财务报告样本和99家真实财务报告样本,这172个样本构成测试数据集。10个财务指标被选择为识别变量,使用训练数据集对BP神经网络模型进行训练,并将训练后的模型对测试数据集进行测试,取得了较好的实验结果。     

D-FNN模型对中国FDI的预测

建立了动态模糊神经网络模型,并运用此模型对中国经济产生深远影响的FDI进行了预测。结果表明D-FNN在预测精度上表现优异,具有一定的实用性。     

基于神经网络数据融合的目标跟踪简化算法

分析了基于神经网络数据融合的目标跟踪算法 ,指出了传统的融合算法计算量大 ,神经网络目标向量不易选取等缺点 ,并提出了一种简化的算法。应用理论分析和蒙特卡洛仿真方法 ,对标准卡尔曼滤波算法和简化的滤波算法进行了比较 ,并给出了均方根误差的统计值。该简化算法原理简单 ,数据处理量小 ,速度快 ,误差小 ,特别适用于多传感器的处理 ,将融合结果反馈给单传感器 ,可提高各单传感器的跟踪精度     

一种基于神经网络的混沌控制方法

将神经网络(NN)与内模控制(IMC)相结合,提出了一种用基于BP神经网络的内模控制进行混沌抑制的方法,该方法既具有内模控制的特点,又引入了神经网络的在线自校正机制。应用所提出的方法,针对Duffing振荡器的混沌控制问题进行了仿真研究,仿真结果验证了该方法的有效性,同时还表明该方法具有很好的鲁棒性与自适应能力。     

基于改进BP神经网络的智能控制方法研究

针对典型BP神经网络存在的缺陷提出了一些有效的改进措施。通过采用改进的BP神经网络来对控制规则样本进行学习和训练 ,使网络记忆控制规则 ,以达到智能控制的目的。仿真和实验结果证明 ,该方法具有优良的控制特性 ,能满足伺服电机控制的需要。     

基于神经网络数据融合的目标识别方法研究

综合应用图像识别、神经网络和数据融合技术是多传感器ATR系统的一个重要研究方向。设计了一种基于BP网络和多传感器数据融合的图像识别系统。从信息论的观点出发 ,在理论上探讨了BP网络数据融合用于图像目标识别 /分类的机理。以此理论对实验结果的合理解释证明了该理论的正确性。理论分析和实验结果都证明了神经网络数据融合用于图像目标识别 /分类的有效性和可行性     

一种混沌神经网络及其在优化计算中的应用

研究了一种具有混沌特性的神经网络 ,该网络具有瞬态混沌响应 ,类似于Hopfield网络的结构 ,但有比Hopfield网络更加丰富的动力学特征、更强的全局搜索能力。通过把混沌动力学与收敛动力学相结合 ,使网络逐渐由混沌神经网络向Hopfield网络过渡 ,达到控制混沌的目的 ,并且提供一个在全局最优解附近的初值 ,有效地解决了Hopfield网络的局部极值问题。该网络模型可以用来解决复杂的非线性优化问题。