排序方式: 共有33条查询结果,搜索用时 46 毫秒
1.
重置变结构神经网络及其在风险投资项目评估中的应用 总被引:1,自引:0,他引:1
基于神经网络的结构直接影响到网络性能的优劣,进而影响其推广使用,尝试将重置算法应用于经典BP神经网络的结构优化,研究了重置算法中最佳重置时间的性质,提出一种重置变结构经典BP神经网络。通过实例,将重置变结构经典BP神经网络应用于风险投资的项目风险评估中,并与经典BP神经网络的实验结果进行对比。结果表明,重置算法的引入有效地解决了神经网络结构的优化问题。 相似文献
2.
基于灰色关联模型的供应商竞争力分析 总被引:2,自引:0,他引:2
供应链管理(SCM)是在IT技术广泛应用的基础生的一种先进、新颖的管理哲学与方法。在供应链(SC)中,合理地分析供应商的竞争力是优化选择具有敏捷性和相容性合作伙伴的关键。本提出了供应商竞争力的分析指标体系,构建了一个基于灰色系统理论的灰色关联模,该示和型较好解决了对供应商竞争力分析中所遇到的信息不完全、评价指标较多、部分指标之间存在相关或重复等复杂多因素综合决策问题,并给出应用实例。 相似文献
3.
简述了情报信息在“科技兴市”中的重要作用及大同市情报信息工作的现状,并就大同市“科技兴市”中科技情报系统的建设提出了几点设想与建议。 相似文献
4.
基于神经网络的布图设计产业化前景评估 总被引:6,自引:0,他引:6
给出了集成电路布图设计产业化前景的评价指标体系,并通过构建前馈神经网络专家系统,对集成电路布图设计的产业化前景进行综合分析。该指标体系和专家系统较好地解决了对集成电路布图设计的产业化前景进行综合分析的问题。选择17个集成电路布图进行了实例分析,对比分析的结果表明该系统具有强大的计算与学习能力,能迅速快捷地判断布图设计的产业前景。 相似文献
5.
徐晋 《山西大同大学学报(自然科学版)》2009,25(5):53-54,57
目的研究山西大同大学女职工乳腺疾病患病现状.方法对女性职工乳腺进行二维超声及彩色多普勒血流显像检测.结果本次检测该校在职女职工共531名,其中乳腺增生性病变82例、乳腺纤维腺瘤18例、乳腺导管扩张症5例、乳腺脂肪瘤2例、导管内乳头状瘤1例,30-50岁女性职工患病者占患病总数的75%.结论该校在职女职工乳腺病患病情况不容忽视,应加强对在职女职工一年一度的健康检查工作,做好对女性疾病的早发现、早诊断、早治疗. 相似文献
6.
通过手工收集创业板公司风险投资辛迪加数据,本文研究了辛迪加成员背景、内部组织结构与公司IPO抑价间的关系.经验研究发现,辛迪加、主导机构和主导背景的规模均能有效提升公司质量.政府作为主导机构或主导背景均不能改善公司绩效,而外资在这两方面都是有效的投资者.此外,混合背景结构辛迪加比单一背景结构辛迪加对公司的贡献更大. 相似文献
7.
互联网技术的发展和网络的普及,使企业间的商务贸易以及个体消费者之间的闲置物品交易更加自由、快捷。然而,这种数字化的简捷也带来了大量传统商法所无法解决的问题,致使域名欺骗和网络商务侵权事件频频发生。因此,在商法现代化进程中必须对所出现的问题予以解决。 相似文献
8.
基于重置的L-M变结构BP神经网络 总被引:4,自引:0,他引:4
徐晋 《系统工程理论与实践》2004,24(1):120-125
尝试将重置算法应用于神经网络结构的优化,研究了重置算法中最佳重置时间的性质,并提出一种基于重置的L-M(Levernberg-Marquardt)变结构BP神经网络.对比实验表明,重置算法的引入有效地解决了神经网络结构优化的问题,优化后的网络具有较好的收敛性. 相似文献
9.
MKdV-Burgers方程衰减振荡解的
近似解和误差估计 总被引:1,自引:1,他引:0
研究了MKdV-Burgers方程衰减振荡解近似解的求解及其误差估计问题.利用平面动力系统理论对MKdV-Burgers方程的行波解所对应的动力系统作了定性分析,给出了其在不同参数条件下的全局相图和有界行波解存在的条件和个数.研究了该方程有界行波解的波形与耗散系数之间的关系,给出了表征耗散作用大小的两个临界值,得到了当耗散系数α大于某个临界值时方程有界行波解的波形表现为单调扭状孤波、当耗散系数小于某个临界值时方程有界行波解的波形表现为衰减振荡波的结论;求得了该方程在无耗散作用情况下所有可能的3种钟状孤波解.根据衰减振荡解对应的解轨线在相图中的演化关系,并利用假设待定法,求得了该方程的衰减振荡解的近似解.最后,根据齐次化原理的思想,通过建立反映衰减振荡解精确解和近似解间关系的积分方程,得到了所求衰减振荡近似解的误差估计,其误差是以指数形式速降的无穷小量. 相似文献
10.
徐晋 《重庆大学学报(自然科学版)》2004,27(4):118-121
目前基于高斯牛顿法及其衍生算法的前馈神经网络虽然可以达到局部二阶收敛速度,但只对小残量或零残量问题有效,对大残量问题则收敛很慢甚至不收敛.为了实时解决神经网络学习过程中可能遇到的小残量问题和大残量问题,引入NL2SOL优化算法,并与GaussNewton法相结合,构建基于GaussNewton-NL2SOL法的前馈神经网络.仿真实例表明,该神经网络较好地解决了残量问题,具有良好的收敛性和稳定性. 相似文献