多级动态模糊评判与BP神经网络方法的结合--供应链企业绩效评价决策支持系统

从当前神经网络技术在供应链的应用过程中较难找到高质量训练样本数据的现实出发,针对目前供应链企业绩效等级评定现状,提出了基于多级动态模糊评判与BP神经网络方法结合的供应链企业绩效评价,以多级动态模糊评判为采样基础,用人工神经理论建立评价模型,采用多隐层神经网络结构和反向传播(BP)算法训练网络,建立了供应链企业绩效评价决策支持系统。     

基于熵权–VIKOR及AGA-BP模型的企业绩效评价研究——以我国上市物流企业为例

针对现有的企业绩效评价研究存在评价指标体系维度单一、评价结果时效较短、缺乏对企业未来绩效水平的探讨等问题,以我国上市物流企业为例,从财务及非财务角度构建了我国上市物流企业绩效评价指标体系,并通过熵权–VIKOR算法确定了各评价指标的权重以及各样本企业的期望绩效值。同时,采用自适应遗传算法（adaptive genetic algorithm, AGA）对传统的BP神经网络进行优化,构建了基于AGA-BP神经网络的企业绩效评价和预测模型。最后以36家样本企业数据为基础,对该模型进行训练和测试。测试结果证明了基于AGA-BP神经网络的上市物流企业绩效预测模型的有效性和实用性。     

煤炭企业管理系统模糊神经网络绩效评价体系构建研究

对国内外企业绩效评价研究进行了综述,指出了我国煤炭企业的特征,分析了我国煤炭企业绩效评价现状,详细论述了煤炭企业绩效评价指标体系的构建、模糊神经网络理论基础和绩效评价模型的建立。     

基于模糊神经网络的数字资源服务绩效评价研究

针对当前常用的电子资源绩效评价方法和模型存在的问题，采用了两阶段评价方法构建基于模糊神经网络的评价模型，得出电子资源服务绩效的评价值，并与期望结果进行比较。实验结果表明，该评价模型预测的准确率达到83.7%。     

基于模糊神经网络的绩效评价体系研究

为了促进高校教师队伍发展,建立科学、合理的高校教师绩效评价体系,公正、准确的进行绩效评价,解决教师的绩效指标统一标准的问题,将模糊理论和神经网络相结合应用到高校教师的绩效考核研究中,在各项绩效工资考核指标间客观公正地分配权重系数,构建了合理的基于模糊神经网络的高校教师绩效评价体系,并通过实际数据验证了此方法的有效性。     

基于BP神经网络的高校学生管理工作绩效评价模型

文章基于BP神经网络方法,建立了高校学生管理工作绩效评价模型,然后运用MATLAB,用样本数据训练了神经网络评价模型,并利用该模型进行了验证计算。结果表明,该模型对科学、公正地评价高校学生管理工作绩效是行之有效的。     

基于BP神经网络的营销绩效评价研究

为适应信息经济时代中企业激烈的竞争,建立了基于神经网络的营销绩效评价体系,提出了运用BP神经网络对营销绩效进行评价的方法, 并结合实例进行分析,为企业的营销绩效评价提供参考.     

基于BP神经网络的高校实验技术人员绩效评价模型

针对高校实验技术人员绩效评价具有多目标、多层次和多因素等特点,提出基于BP神经网络的高校实验技术人员绩效评价模型,并进仿真实验。该模型将实验技术人员的评价指标量化后作为输入层,以实际评价结果为输出目标,通过样本训练BP神经网络,运用训练好的BP神经网络对实验技术员的绩效进行综合评价。该模型输出值与实际目标值及真实评价值都相当接近,得到较为满意的评价结果。     

模糊神经网络在横向经济效益评价中的应用

从多目标决策角度研究了模糊神经网络在横向经济效益评价中的应用,并采用ＢＰ算法训练网络仅值及模糊子集的划分。对于同行业十个大中型企业的经济效益指标数据的建模与评价结果表明,该方法具有很强的学习与泛化能力,在处理诸如企业经济效益指标体系这种具有一定程度不确定性系统的建模与评价方面有一定的应用价值。     

基于模糊神经网络的煤矿安全评价综合评判

针对煤矿安全综合评价方法中因人为因素、模糊因素及动态因素而导致评价结果不够准确的情况,依据煤矿安全评价指标体系结构,构建了基于模糊神经网络的多级模糊评判模型,提出了神经网络分级BP学习算法,解决了多级模糊评判中权值学习困难的问题,使训练速度和评判的准确性大幅提高.以鸡西矿业集团煤矿为研究对象,建立了基于模糊神经网络的安全评价模型.结果表明:该方法能有效地对煤矿进行安全评价,综合评判客观、准确.     

基于遗传算法的模糊优选神经网络路面性能评价模型

针对现有路面性能评价方法的不足,在模糊优选神经网络模型的基础上,引入遗传算法,建立了基于遗传算法的模糊优选神经网络的路面使用性能评价模型.该算法采用遗传算法优化神经网络权值,再用神经网络对遗传算法搜索到的近似最优解进行微调,并将模糊优选模型作为神经网络的激励函数,使模型具有明确的物理意义.应用该模型对沈大高速公路部分路段进行评价,与其他模型的对比分析表明:该方法在评价精度和效率方面取得了良好的效果,是一种实用的高速公路路面性能评价方法.     

基于模糊神经网络的机械手自适应控制

单纯的神经网络和单纯的模糊系统具有各自的优点和缺点,模糊神经网络是两者的结合,它可吸取两者的优点而达到更优良的性能。这里提出了一种基于模糊神经网络的自适应控制方法。在利用常规控制器提取初始模糊规则的基础上,利用专家经验对初始规则进行补充,最后再利用误差的反向传播算法对参数进行在线的自适应调整。该方法用于机械手的跟随控制,两个模糊神经网络分别用于主回路控制和对象的逆模型,最后得到了优于样本控制器的跟踪控制效果。     

神经网络在模糊综合评价中的应用

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，采用梯形公式的四元组形式表达网络中的隶属函数，利用反向传播算法训练网络，得到较好的训练效率和效果．将该方法应用于液压凿岩机的性能评价，得到了满意的结果。     

基于模糊神经网络和证据理论的瓦斯突出评判策略

针对影响煤矿瓦斯突出因素的不确定性和复杂的非线性关系,不能够利用经典的数学理论建立精确的预测模型,将模糊神经网络和D-S证据理论有机结合,提出了基于模糊神经网络和D-S证据理论的煤矿瓦斯突出危险等级评判策略.首先对传感器采集的待评判采掘面参数进行预处理,使用模糊神经网络得出第一步的融合结果,并将其进行归一化处理,归一化函数作为基本概率赋值函数,然后将归一化之后的数值作为基本概率分配值,再用D-S证据理论进行第二次数据融合,作出最终评判.实验结果表明,该方法具有良好的适应性并能得到准确性较高的评判结果.     

桥梁承载能力状态评估的模糊神经网络推理方法

在综合现有的状态评估理论方法的基础上,提出了基于层次分析的承载能力状态评估模型.结合模糊理论和神经网络技术,建立了一套基于监测信息输入的模糊神经网络推理系统框架,并利用模糊规则生成的规则库作为神经网络训练和学习的样本.利用实例验证了采用此智能评估技术进行承载能力状态评估的可行性和实用性.