企业资信的BP神经网络评估模型研究

在现代信用经济社会中,提高资信评估的准确度和科学性极其重要.企业资信评估是一个多因素的非线性问题,传统的统计学方法无法抓住资信评估的复杂本质,而神经网络可实现非线性关系的隐式表达.因此,该文提出将BP神经网络用于企业资信评估,建立了企业资信的BP神经网络评估模型,并通过MATLAB软件及其神经网络工具对其进行仿真计算.实验结果表明,该方法稳定、快捷,评价结果有效、可靠,对企业资信评估有着良好的性能.     

基于Levenberg-Marquardt神经网络的企业资信评估方法研究

企业资信评估问题是一个复杂的非线性问题,而神经网络技术可实现非线性关系的隐式表达。文章提出将基于Levenberg-Marquardt算法的多层前馈型神经网络用于资信评估,并通过MATLAB软件及其神经网络工具对其进行仿真计算。实验结果表明,企业资信神经网络评估模型收敛速度快,准确率较高,具有一定的实用价值。     

基于蚁群算法的神经网络在电子商务中的应用

本文建立了基于蚁群算法的神经网络模型,充分发挥了蚁群算法的全局寻优能力和BP算法的局部搜索优势。通过仿真实验表明,将蚁群算法用于神经网络优化,收敛速度快、预测精度高,与BP算法进比较,基于蚁群算法的神经网络提高了电子商务推荐系统的准确性、速度。     

基于LM算法的企业资信网络评估模型研究

针对当前企业资信评估方法的不足,提出将基于Levenberg-Marquard(LM)算法的前向多层神经网络用于企业资信评估,并通过MATLAB神经网络工具对其进行模拟计算。实验结果表明,该方法稳定、快捷、预测准确,对企业资信评估有着良好的性能。     

基于贝叶斯正则化神经网络的企业资信评估

在市场经济系统研究中,资信评估作为市场经济中的监督力量,是投资者的重要参考依据.科学准确的资信评估可以辅助决策,降低投资者风险.针对当前企业资信评估方法的不足,为了准确评估资信效果,提出将基于贝叶斯正则化的前向多层神经网络用于企业资信评估,通过新的误差函数可以减少网络的有效权值和阈值,并使网络训练输出更加平滑,从而增强网络的泛化性能.并通过MATLAB软件及其神经网络工具进行仿真计算.结果表明,贝叶斯正则化神经网络稳定、快捷、评价结果可靠准确,可作为于企业资信评估依据.     

制造业中小企业的资信评估研究

本文针对制造业中小企业的特点,建立了一套适合该类型企业的资信评估指标体系,并且基于改进型BP神经网络算法对该评估体系的各项资信指标权值进行训练,使网络输出达到理想精度。经实验数据证明,该算法应用于资信评估具有较高的预测精度。     

基于遗传算法的BP神经网络在企业资信评估中的应用

提出了一种新的企业资信评估方法.通过把神经网络和遗传算法有机地结合起来,既克服了传统BP网络训练时间长、易陷入局部极值的缺点,又利用遗传算法提高了网络全局收敛的效率.该模型采用C#.NET SQL server 2000实现.实验结果表明,基于遗传算法的BP神经网络系统对企业资信评估有着良好的性能.     

基于蚁群优化算法的BP神经网络的RPROP混合算法仿真的研究

本文对蚁群优化算法的BP神经网络中的RPROP混合算法进行了研究,提出了利用蚁群优化算法,结合RPROP混合算法解决无线网络传感器中如何处理信息服务点中大量的冗余数据、网络运行速度等相关问题,通过建立系统构架及信息服务点,证明该算法能够延长BP神经网络的生命周期,加快BP神经网络的收缩速度,能够将网络中信息服务点的重复数据进行有效的合并处理,并及时过滤掉非正常信息服务点的数据,减少数据服务点的能量消耗,期训练过程中迭代次数改善明显,解决BP神经网络的学习、训练时间冗余等问题,同时具有较强的计算、寻优等能力,提高了网络分类正确率和运行的效率,是一种较为实用的算法,完全能够满足日益增长的无线互联网终端的运行需要。     

一种基于BP神经网络与蚁群算法的病毒检测

由于病毒技术在不断地更新之中,如今的部分病毒具有自我变形的能力。在面对具有自我变形能力的病毒时,传统的病毒检测方法容易产生漏警和虚警。为了增强杀毒软件对病毒的感知力,使得杀毒软件具有一定的智能性十分必要。     

混沌蚁群算法在瓦斯爆炸性检测仪中的应用

针对瓦斯爆炸性检测仪传感器在实际生产中因构造和环境因素所产生的输入、输出非线性问题,将混沌蚁群算法和BP神经网络算法应用到瓦斯爆炸性检测仪中,提高瓦斯传感器精度.通过混沌蚁群算法对BP神经网络进行优化,改善BP神经网络收敛速度慢、容易陷入局部最优的缺点.实验结果表明:基于混沌蚁群优化算法的BP神经网络能够提高瓦斯检测系统的精度.     

蚁群优化神经网络的网络流量混沌预测

为了网络流量预测准确性,提出一种蚁群算法（ACO）优化BP神经网络（BPNN）的网络流量混沌预测模型（ACO-BPNN）。对网络流量时间序列进行重构,将BPNN参数作为蚂蚁的位置向量,通过蚁群信息交流和相互协作找到BPNN最优参数,建立网络流量最优预测模型,并采用实测网络流量数据进行有效性验证。结果表明,ACO-BPNN能够准确刻画网络流量变化特性,提高网络流量的预测准确性。     

基于蚁群算法和BP神经网络的信道分配策略的研究

研究无线传感器网络信道分配策略的主要目标是提高网络吞吐量和容量,减小网络的传输时延,最大限度的利用有限的网络带宽资源。多信道MAC协议的应用,可以有效地提高网络通信的可靠性和吞吐量,以及解决由于信道受干扰而造成的网络瘫痪等问题。根据无线传感器网络多信道的特点提出了一种基于蚁群算法的动态反馈负载均衡信道分配策略。本策略首先应用BP神经网络对信道负载情况进行预测,然后通过基于蚁群算法的负载均衡算法对信道进行筛选,最后利用最大离散化算法进行信道分配。在NS2平台下对所设计的协议进行了仿真实现,并与应用最为广泛的多信道MMAC协议以及SMAC进行了对比分析。根据仿真结果可知,本文设计的MAC协议在网络吞吐量、网络传输时延等性能方面比MMAC协议及SMAC都有了很大程度的提升。可以有效减小网络传输时延,提高网络吞吐量和抗干扰能力。     

蚁群算法在网络路径可靠性研究中的应用

用蚁群算法来解决网络可靠性优化中遍历所有节点的最短路可靠度问题和最可靠路径问题的研究中,并给出网络可靠度下界的一个估计。用MATLAB语言编程进行算法的实现和仿真。结果表明,用蚁群算法解决网络的可靠性问题是可行并有效的。     

信用评级的简约神经网络算法研究

针对经典神经网络算法中参数调整过度复杂的问题,分析银行信用评级知识非线性的特点,提出简约神经网络的拓朴结构,证明了在全部节点函数线性且全部隐层节点函数过原点的条件下,经典神经网络与简约神经网络具有等价性。在此基础上,设计了基于简约网络的算法,简化了参数调整过程,算法结果获得了满意的拟合精度。     

改进的人工蜂群算法在神经网络中的应用

人工蜂群算法是模拟蜜蜂采蜜行为而提出的一种新的启发式仿生算法,属于典型的群体智能算法。提出了一种改进的人工蜂群算法,并利用改进后的人工蜂群算法来优化传统BP算法（神经网络算法中的误差方向传播算法）中网络参数的权值。实验结果证明该优化算法提高了BP神经网络收敛解的精度,加快了BP神经网络收敛速度。     

基于蚁群优化算法的瓦斯预测模型研究

针对瓦斯煤尘爆炸和煤与瓦斯突出给煤炭矿山企业带来的危害极大的问题,将蚁群优化算法和BP神经网络技术结合应用到瓦斯涌出量预测,建立比较准确的预测模型。重点研究了BP网络模型的选择与优化训练,通过蚁群算法优化解决了BP神经网络易陷入局部收敛的问题。仿真与实际数据验证表明：改进的神经网络算法对瓦斯涌出量预测能达到良好的效果。     

基于蚁群算法的Hopfield神经网络在多空间站路径规划的应用研究*

空间机器人每次携带的燃料有限,提高空间机器人的工作效率以及延长其在轨寿命研究具有重要意义,分析了空间机器人多空间站访问问题。为了弥补传统路径规划方法容易陷入局部极小点的问题,提出利用基于蚁群算法的Hopfield神经网络来解决空间机器人多空间站访问问题。仿真实验结果表明,基于蚁群算法的Hopfiled神经网络用于多空间站访问问题,收敛速度要比Hopfield神经网络快,且比Hopfield神经网络易于跳出局部极点,该算法有利于解决多空间站路径规划问题。     

基于改进蚁群算法的铁路路网最优路径规划

多条件最优路径规划问题是铁路出行查询系统的重要功能之一。将路径规划问题转化为以用户多种条件组合为目标函数的最优化问题,并将改进的蚁群算法应用于该问题,使查询系统能够满足各类用户的查询要求,并给出最优解或次优解。仿真实验表明：该算法的实时性很高,是一种行之有效的方法。