共查询到20条相似文献，搜索用时 350 毫秒
1.
李松艳 《承德职业学院学报》2006,11(2):59-60
贷款企业信用评级指标体系是信用评级机构对贷款企业的信用信息进行分析,并对贷款企业信用情况进行文字说明所依据的行业标准和技术指标。一个行业的指标体系是有时代特征的,它存在于一定的经济环境和时代背景下。因此对贷款企业的信用评级要结合对行业的发展特点、产业生命周期、国家宏观政策方向的研究基础上再深入进行财务分析,以达到对贷款企业的客观认识。 相似文献
2.
研究RBF神经网络在个人信用评级中的应用.针对传统的RBF神经网络无法处理非数值型数据和对初始中心的选取及异常值十分敏感等问题,提出一种基于模糊K-Prototypes算法的RBF神经网络,提高了处理分类型数据及混合型数据的能力,并且改进的模糊K-Prototypes算法有助于降低模型对初始中心选取和异常值的敏感性.将改进前后的模型分别应用于商业银行的个人信贷评级中,结果表明,改进后的模型预测精度和稳健性都优于传统的RBF模型. 相似文献
3.
袁磊 《北京体育大学学报》2008,31(2):202-204
借助递归神经网络强大的动态映射能力,提出了反映世界优秀男子跳高运动员身体素质与专项成绩相关关系的递归神经网络模型.该模型克服了多元回归模型和灰色模型的缺点,在不需要事先确定模型数学表达形式的条件下,更为准确地映射出运动员身体素质训练水平与专项成绩之间的函数关系.并且运用建立起的神经网络模型,绘制了素质训练水平与专项成绩之间的关系曲线.从而为跳高运动员进行科学训练提供了理论依据. 相似文献
4.
高校教师评级方案是建立在公平公正的基础上、为促进教师思想素质和教学能力的和谐发展,激发教师的创新精神而采用的一种激励方法。级别的评定必须考虑评级方案中指标权重设置的科学性和合理性。结合实际数据建立了排序多元离散选择模型,对某高校的教师评级方案所采用的指标体系进行了检验,并适度提出修正意见。 相似文献
5.
基于NARX神经网络的港口集装箱吞吐量预测 总被引：1，自引：0，他引：1
为对港口集装箱吞吐量进行科学预测,采用带外生变量的非线性自回归(NARX)模型对上海港的集装箱吞吐量进行预测.通过主成分分析法对港口吞吐量影响因子进行相关性分析,将筛选出的GDP作为外部输入因子引入NARX模型.实证分析发现,引入GDP的NARX神经网络模型对具有非线性特征的集装箱吞吐量数据有良好的映射逼近性.训练后的网络误差小且拟合度高,具有良好的泛化能力,预测性能较好. 相似文献
6.
吴珍琳 《广西广播电视大学学报》2012,(1):77-80
文章对 Altman 上市公司财务失败预警模型(Z3模型)在我国广西上市公司中的应用进行了实证研究.从广西 A 股上市公司中选取6家 ST、*ST 和19家经营良好的公司作为样本,进行实证分析,结果表面 z 值模型对广西上市公司财务预警具有一定的有效性.在我国,具体运用 z 值模型时还应注意我国会计制度与国际惯例的距离,样本指标的畸变,财务报表真实客观性,企业政策等因素 相似文献
7.
基于BP神经网络的船员适任性评价模型 总被引：1，自引：0，他引：1
为弥补模糊综合评判等方法在船员适任性评价上的不足,采用BP神经网络的学习算法,建立船员适任性评价系统模型.通过分析影响船员适任性的主要因素,结合专家经验和统计数据,确定神经网络的神经元个数,取得训练样本,建立评价指标体系.借助于MATLAB,用某航运公司55份船员数据对神经网络进行训练得到的误差曲线表明,该方法对船员适任性可作出有效评价,具有实用价值. 相似文献
8.
为寻求一种简便的船舶运动模型辨识方法,根据船舶动力学与运动学基本方程的结构形式,建立一种基于Elman神经网络的辨识模型,给出网络结构的选取和确定方法.以载质量为5万t的散货船为例,利用国际海事组织要求的几个典型的船舶操纵试验数据对网络进行训练,计算权值矩阵,获得该船舶可用于船舶操纵性分析的神经网络模型.将网络计算结果代入船舶运动学方程进行船舶航迹仿真,并与试验航迹数据进行对比,验证网络模型的精确性.比较仿真验证结果和试验数据可知,该网络模型能基本反映被辨识船舶的动态特性,验证其有效性和准确性. 相似文献
9.
孙冬梅 《吉林省教育学院学报》2014,(10):147-148
科学准确地评价学生实践能力是实践教学工作的重要内容,对提高学生实践锻炼积极性和引导学生自我培养完善具有重要意义。本文提出一种基于BP神经网络的学生实践能力评价模型,该模型选取实践教学过程当中形成的部分操行数据作为输入,经训练好的神经网络输出得到相应的能力评价成绩。本文以我校机电一体化专业"机电设备拆装实训"课程为例进行仿真,结果表明该方法简单有效,评价结果与实际反馈拟合较好。 相似文献
10.
HMM模型是一个处理非平稳时间序列的统计模型.针对旋转机械升降速过程振动的特点,本文提出了利用SOFM神经网络对振动信号进行矢量量化,并用量化后的序列训练HMM模型,利用该模型对旋转机械升降速过程进行故障诊断.实验证明该方法是此过程的一种有效的诊断手段. 相似文献
11.
12.
鉴于BP神经网络在非线性领域预测中的应用,以新疆建设用地为研究对象,构建BP神经网络预测模型,选取1996~2006年总人口、城市化水平、GDP等10个因子,反映新疆人口状况、经济发展水平、产业结构及投资水平作为网络的仿真输入,对2007年新疆建设用地进行模拟预测,预测结果与实际面积的相对误差仅为0.06%.最后针对新疆建设用地中存在的问题,提出了保障经济与社会协调可持续发展的土地利用策略. 相似文献
13.
基于PSO的BP神经网络-Markov船舶交通流量预测模型 总被引：3，自引：0，他引：3
为对船舶交通流量进行准确预测,结合BP神经网络和Markov算法,构建BP神经网络-Markov预测模型。引入粒子群优化(particle swarm optimization,PSO)算法对模型进行优化,克服利用Markov模型选取白化系数的不足。用该模型预测武汉长江大桥船舶交通流量的月度数据,结果表明:与BP神经网络的预测精度82.439 0%相比,基于PSO的BP神经网络-Markov预测模型的预测精度提高到91.050 8%,该模型的合理性和准确性得到验证。 相似文献
14.
应用BP神经网络算法对运动成绩预测的实证研究 总被引：3，自引：0，他引：3
人工神经网络具有很强的自训练学习和容错能力等优点,且BP网络的学习算法简单、学习能力强,其在实际中具有较为广泛的应用。鉴此应用BP神经网络对运动成绩进行预测,并结合实例说明了该方法的实施与应用。数值试验表明模型具有很高的预测精度,为运动成绩的预测提供了一种新的方法。 相似文献
15.
由于时间序列在各领域的广泛应用，时间序列预测已经引起越来越多的关注，但关于多维时间序列的预测关注较少.然而，多维时间序列蕴含着丰富的信息.针对该问题，提出基于k近邻（k-nearest neighbor，k-NN）和BP神经网络的多维时间序列组合预测模型.首先分别采用k-NN和BP神经网络进行预测，得到对应的预测结果.然后使用BP神经网络进行非线性组合，得到最终的预测结果.实验表明，该预测模型优于k-NN和BP神经网络预测模型. 相似文献
16.
为提高船舶交通事故的预测精度,提出将自回归综合移动平均(autoregressive integrated moving average, ARIMA)模型与BP神经网络组合的船舶交通事故预测方法。该方法考虑船舶交通事故的复杂性和非线性因素,充分结合ARIMA模型与BP神经网络的优势,分别从简单加权和残差优化角度对ARIMA模型与BP神经网络的不同组合方法进行比较研究,并将其应用于2000—2018年英国籍船舶交通事故预测中。结果表明:与ARIMA模型、BP神经网络和ARIMA-BP的简单加权组合预测方法进行对比,ARIMA-BP的残差优化组合预测方法的预测精度最高,其均方根误差、平均绝对误差和平均绝对百分比误差分别为7.16、6.0和4.9%。本文提出的船舶交通事故预测方法可以为相关人员的决策提供指导。 相似文献
17.
应用MODIS 250m分辨率遥感影像对中国华北地区分别采用最大似然法、Parzen窗、CART决策树、BP神经网络F、uzzy ARTMAP神经网络等5种分类方法进行区域尺度上土地覆盖制图的比较试验.结果表明:(1)Parzen窗法分类性能最优,CART和BP其次,Fuzzy ARTMAP表现较差.(2)CART决策树具有较好鲁棒性,但缺点是样本代价较大;BP神经网络分类器能达到较高精度,但缺点是需较高质量的样本、网络结构参数难以确定,造成其稳健性较差;FuzzyARTMAP则未能表现出理想结果.(3)训练样本数量差异造成:最大似然法的分类精度差异值低于5%;Parzen窗法和Fuzzy ARTMAP差异为5%～10%;CART和BP差异在10%以上。 相似文献
18.
为降低船舶交通流量的预测误差,提高预测精度,在分析传统的灰色模型和反向传播(BackPropagation,BP)神经网络模型优缺点的基础上,构建灰色神经网络模型预测船舶交通流量.以实际测量值作为初始数据构建不同的灰色模型,各种灰色模型的预测值作为神经网络的输入值,得到最佳预测模型.实例分析表明:灰色神经网络模型可提高预测精度,预测结果比较理想,优于单一预测模型;该模型具有所需初始数据少和非线性拟合能力强的特点,用于船舶交通流量预测是可行和有效的. 相似文献
19.
以黄河三角洲地区为实验区域,利用实测的土壤全盐含量数据,结合中国产的中巴地球资源卫星02B(CBERS-02B)多光谱遥感影像,分别应用传统的多元线性回归模型和BP人工神经网络模型,对其进行含盐量反演建模,并对2种模型的精度进行比较.实验表明,应用BP人工神经网络建模,明显改善了反演精度;且该反演模型更适宜于高盐度区域(全盐含量>1%)土壤含盐量反演制图,具有较好的应用前景. 相似文献
20.
针对传统的货运生成模型处理非线性影响因素能力差的问题，运用BP神经网络建立城市货运生成多变量非线性预测模型。在对城市货运生成量影响因素进行分析的基础上，选取就业人数、地区GDP和消费品零售总额3个指标作为输入变量，以城市公路货运量和城市货运总量为输出变量，构建BP神经网络预测模型。该模型能揭示货运量与相关变量之间的非线性映射关系，在实证研究中取得了较理想的结果。通过实际货运量与BP神经网络预测结果的对比，验证了该模型在货运量预测方面的可行性。 相似文献