基于模糊神经网络的企业战略风险预警模型研究

利用模糊数学和人工神经网络技术,构建了基于模糊神经网络的企业战略风险预警模型,并经过实例验证了该模型的有效性。     

基于支持向量机工程施工风险预警研究

本文从我国工程施工风险现状出发,分析了工程风险影响因素,建立了支持向量机的工程风翔预警模型,收集了15个实际工程数据,并运用模型进行对风险进行预测,结果验证了模型的有效性。     

基于神经网络的旅游突发事件预警研究

介绍了旅游突发事件和对其进行预警的意义.基于BP神经网络,建立了旅游突发事件预警模型,并对旅游突发事件预警模型进行了测试.测试结果表明,该模型具有较好的预测效果.     

互联网金融企业风险预警模型构建研究

结合互联网金融企业自身特点,建立互联网金融风险指标体系,采用主成分分析和BP神经网络结合的方法,构建互联网金融风险预警模型,将筛选后得到的主成分分析结果输入到训练后的BP神经网络风险预警模型中,进行实证分析.结果显示,训练后模型准确率可以达到96.35％,对于样本预测精准度具有较强作用,从而可以为互联网金融企业提供一种...     

基于长短期记忆神经网络的企业财务风险预警模型研究

为了提高企业财务风险预警的准确度,采用长短期记忆(LSTM)神经网络算法建立企业财务风险预警模型.首先分析企业财务风险预警指标,并选取重要度高的指标构建企业财务风险预警特征样本.然后经过LSTM神经网络训练,采用遗忘门和记忆节点对历史财务数据进行遗忘和筛选,保留部分数据代入下次神经网络训练,通过反向传播获取最优权重与阈...     

RBF神经网络在供应链风险预警中的应用

本文对径向基函数神经网络在供应链风险预警中的应用进行了研究。用专家决策法提取衡量供应链风险的参数,提出了一种应用于模式识别的RBF供应链风险预警方法,然后分析了另一种神经网络——学习矢量量化网络LVQ对供应链风险预警的效果,将它们的训练速度和分类精度进行了比较。实验结果表明,采用RBF神经网络比LVQ神经网络的分类速度更快、精度更高,更有效的被应用于供应链风险预警中。     

基于BP神经网络方法的财务预警模型研究

本文通过BP神经网络方法来建立我国上市公司财务失败的预警模型,该模型对检验样本的预测正确率为85%,实证研究表明,该模型具有较好的预测效果。     

基于模拟退火神经网络工程索赔合理工效研究

本文从我国工程索赔现状出发，分析了合理工效的影响因素，建立了模拟退火神经网络的合理工效费用模型，收集了24个实际工程案例运用人工神经网络对费用进行预测，结果表明了模型的有效性。     

中小企业板上市公司退市风险预警研究——基于因子分析的Rprop神经网络模型分析

以我国中小企业板上市公司退市风险预警为例,利用弹性反向传播算法(resilient back propagation,Rprop)和因子分析法相结合,建立一种基于因子分析的Rprop神经网络模型。首先利用因子分析法构建包含财务变量和非财务变量的预警体系;其次运用Rprop神经网络模型对我国160家中小企业板上市公司进行退市风险预警实证分析;最后对该模型的有效性进行实证分析,结果表明,该模型对上市公司退市风险预警的准确性比标准的BP神经网络模型和支持向量机模型分别提高2.91%和6.09%。因此,该模型可为投资者决策提供较好的参考依据。     

基于径向基神经网络的商业银行风险预警系统研究

探讨了径向基神经网络（RBF）在商业银行风险预警系统中的应用.根据商业银行风险预警系统的特点选择12个指标,构建了风险预警系统的RBF模型,基于该模型进行了示范性仿真实验,结果验证了该方法的有效性.     

模拟退火神经网络模型在地下水质评价中应用

采用模拟退火算法与神经网络相结合的方法建立了地下水水质评价的SA-BP神经网络模型,并对阜新新邱露天煤矿地下水水质进行了评价.结果表明,模拟退火算法具有快速学习网络权重和全局搜索的超强能力,有效地解决了BP算法的局部收敛的问题.应用此方法评价地下水水质简便可靠,预测精度高,具有通用性和客观性等优点.     

创业板上市企业风险预警建模研究

文章在总结创业板市场及其上市企业特殊性的基础上,依据风险预警建模过程提出了一个研究框架,总结了创业板上市企业的风险因素及风险评价指标体系,概述了建立创业板上市企业风险预警模型所面临的挑战,归纳了需要解决的关键问题并指出后续的研究方向.     

基于多层前馈神经网络的互联网行业财务风险预警研究

为了构建一套科学合理、行之有效的财务风险预警机制,及时识别出企业隐藏的财务风险。本文以60家在A股上市的互联网企业为依据,以各企业2016~2018年的数据作为研究样本,选取了包含财务和非财务指标共计27项,构建了初步预警指标体系。通过非参数检验、主因子分析对指标进行优化和降维,将因子得分作为输入变量代入多层前馈神经网络进行训练和检验。检验结果表明：基于多层前馈神经网络的互联网行业财务风险预警模型达到了设计标准,具有较高的准确度和实际应用价值。     

基于粒子群优化和模拟退火的神经网络优化研究

文章把模拟退火思想引入到粒子群优化算法中,提出一种关于神经网络结构的优化设计方法,用于同时完成对网络结构空间和权值空间的搜索。算法对神经网络的结构和权值进行了优化,删除了网络中的冗余结点和权值,提高了网络的处理能力。实验结果表明,算法能够有效抑制粒子群优化算法不成熟收敛的发生,有效提高前馈神经网络的收敛精度和收敛速度,表现出良好的性能。     

煤炭行业财务风险预警Logistic实证研究

近年来,随着随着煤炭行业市场竞争的加剧近年来,煤炭行业许多公司的经营业绩不容乐观,最突出的问题是公司的亏损面和亏损额有逐年增加的趋势,如何客观评价煤炭行业公司的财务状况,尤其是预测可能出现财务风险的公司,对于投资者及时调整投资决策、监管层准确识别公司状况以及投资银行有效发掘潜在服务客户都具有重要意义,因此选择煤炭行业的上市公司作为研究对象,建立可用于预测该行业企业财务危机的数学模型,并结合对一些敏感财务指标的分析比较,提早发出警报。     

基于模拟退火算法的Hopfield神经网络参数优化

为解决Hopfield神经网络应用过程中参数设置的问题,在研究Hopfield神经网络的工作原理的基础上,分析了神经网络模型在求解TSP(Traveling Salesman Problem)问题过程中参数的选取,通过对输出数据进行归一化处理建立网络的评价函数,然后引入模拟退火算法对参数进行最优化选取。实验结果表明,经过参数优化过的Hopfield神经网络模型能更有效,更快速地得到TSP问题的最优解。     

混沌神经网络模型中的模拟退火策略

混沌模拟退火法（CSA）是一种能有效解决局部极值问题的全局最优化算法，其神经元的自反馈连接权值zi的演变函数称为退火函数，它影响暂态混沌神经网络（TCNN）优化方法的准确性和计算速度，文中通过比较单细胞TCNN模型CSA中两种最常用的退火函数（线性退火和指数退火函数），给出了一种新的分段指数退火函数，使得算法的收敛速度加快，搜索精度增加。并利用推销员问题（TSP）验证了新的分段退火函数优于前面两种退火函数策略。     

基于GPR与概率神经网络的城市道路路基病害预警模型研究

近年来由道路路基病害所导致的城市道路塌陷事故频繁发生,造成人员伤亡和巨大的经济损失。针对城市道路路基病害所带来的诸多问题与安全隐患,提出了一种基于探地雷达与概率神经网络的城市道路路基病害预警模型。首先在分析路基病害成因的基础上建立了城市道路路基病害评价指标体系;然后依托城市道路路基病害动态演化物理模型,使用探地雷达采集并积累样本数据;最后基于样本数据建立概率神经网络预警模型并进行仿真分析,结果表明预警准确率达到88.9%。该预警模型在郑州市中牟县的滨河路和荟萃路进行了应用试验,预警结果与实际情况基本吻合,表明该预警模型可对城市道路路基病害做出有效预警,为道路养护和工程整治设计提供技术支撑。     

上市公司财务风险的预警

英国巴林银行的倒闭，安然、世通的巨额亏损，安达信的信任危机，百富勤的破产等等这些让我们感觉人类在财务风险面前苍白无力。在市场经济中，对于每一个经营者和公司来说，风险无处不在、无时不在，上市公司也不例外。上市公司是证券市场的基石，其经营业绩和财务状况的好坏将直接影响证券市场的建设和发展，所以本文对上市公司的财务风险进行研究，以期对其正确预测、衡量并进行适当的防范和控制具有非常重要的现实意义。     

基于模糊神经网络的车辆避撞预警算法

为实现车辆的智能控制提供理论基础,研究了碰撞预警算法．在分析不同驾驶员的驾驶行为的基础上,确定碰撞预警算法的报警准则,用于指导报警算法做出合理的报警．基于报警准则采用模糊神经网络方法,提出一种多输入、多输出的协作预警算法模型,用于支持碰撞预警系统．利用实测数据对预警算法进行测试,试验结果表明,算法能够对车辆碰撞进行有效的报警,对提高车辆行驶的安全性具有重要意义．