审计指标评价识别的Rough-ANN模型

由于审计指标体系的开放性,当需要甄别的指标结构相对简单的时候,比较容易处理,但是当面对更加复杂的的财务报表以及其他相关数据时,需要完善和建立的审计指标系统也会更加复杂。本文首先介绍了Rough集(粗糙集)和ANN(人工神经网络)理论的出现为审计指标识别带来的机会,分析了这种识别模型的确立的可能性,将Rough集和ANN相结合,构造了审计对象识别的Rough-ANN模型,并结合一个实例来验证此模型的可行性和有效性。

企业技术创新项目风险预警系统构建研究

企业进行技术创新是一项高风险活动,如果创新不当或创新过程中控制不力,便会为企业带来不必要的损失。因此,构建科学的企业技术创新项目风险预警系统具有重要的现实意义。探讨在建立企业技术创新风险预警指标体系的基础上,采用基于粗糙神经网络模型的方法设计企业技术创新项目风险预警系统。该风险预警系统不仅能够提取企业技术创新项目风险的主要特征属性,减少风险预警中的信息收集成本,提高预警效率,而且能克服传统预警系统难以处理高度非线性模型、容错性差、缺少自学习能力等缺陷。理论分析和实践结果均表明所设计的技术创新项目风险预警系统具有可行性和有效性,这为企业技术创新风险管理提供了一条新的途径。

基于粗糙集人工神经网络的锅炉故障诊断模型

针对锅炉这种大型特种设备,提出了一种基于粗糙集和人工神经网络集成的智能故障诊断方法。该方法先利用RS理论建立故障决策表,对原始数据进行约简,并按照一定的原则选取多个约简;然后建立神经网络故障诊断子系统,使用粗糙集处理后的数据计算出故障发生程度。研究结果表明:该方法能够正确而且高效地诊断出锅炉中各种部件的故障发生的严重程度。

基于粗糙集—神经网络的财务危机预警模型实证研究

本文提出了以粗糙集与神经网络相结合的技术方法,应用于我国上市公司财务危机预警研究中。在通过以中国上市公司财务数据为基础进行实证分析之后,结果表明粗糙集的引入减少了神经网络的输入维数,采用动量添加法和参数自适应算法修正的神经网络算法,在网络训练的准确性和精度上都优于传统的BP神经网络。

基于粗糙集理论的柴油机神经网络故障诊断研究

介绍了粗糙集理论的核心内容 ,给出了基于 kohonen神经网络的连续属性值离散化方法。应用粗糙集理论对反映柴油机运行工况的特征参数进行了属性简化 ,剔除了不必要的属性。研究了 RBF神经网络故障诊断模型及学习规则 ,给出了基于粗糙集理论的 RBF神经网络故障诊断原理和步骤。通过对柴油机供油系统柱塞磨损故障的自动分类和诊断 ,表明该系统能有效地减少神经网络的输入节点数 ,克服了神经网络规模过于庞大及分类识别速度慢等缺点。

企业财务危机预警Rough-Fuzzy-ANN模型的建立及应用

本文提出了一种基于粗糙—模糊神经网络(Rough-Fuzzy-ANN)的企业财务危机建模和预测新方法,并给出了相应的算法,在通过以我国上市公司财务数据为基础进行的实证分析之后,结果表明,Fuzzy-Rough-ANN模型具有预测精度高,学习和泛化能力强,适应性广的优点;同时有效、可行,为企业财务危机的动态预警提供了一条新的途径。

基于改进的BP人工神经网络的物流需求规模预测

为了对物流需求规模进行准确预测,探讨了用于物流需求规模预测的经济指标和物流需求规模的度量指标,再应用粗糙集理论、适应度函数和BP人工神经网络理论建立了用于物流需求规模预测的模型,即改进的BP人工神经网络模型。该模型首先应用粗糙集对BP人工神经网络的输入层进行指标知识约简,以减少BP人工神经网络的复杂度,再在BP人工神经网络中引入适应度函数,以克服传统BP人工神经网络算法易陷入局部最优、训练速度较慢等缺陷,最后,将该模型应用在案例分析中。结果表明,该模型使预测精度得到很大提高;该方法为以后物流需求规模的预测提供了一种新的思路和方法。

基于粗糙集和决策树的自适应神经网络短期负荷预测方法

利用数据挖掘中的聚类技术将历史负荷数据进行聚类,根据聚类后的分类信息对定性属性利用粗糙集进行属性约简,由约简结果进一步生成决策规则树供短期预测使用。根据聚类的结果对每类进行BP神经网络的训练,神经网络的隐含层单元采取逐步试用的方法根据训练误差最小化进行选择。在实际预测中,首先对待预测的记录利用决策规则树进行归类,然后选取相应类别的神经网络予以预测。通过实例证明,该方法的平均相对误差为2.16%,而同结构BP神经网络预测的平均相对误差为2.67%,ARMA预测的平均相对误差为3.81%,证明所提方法有效。

一种基于粗糙集理论的电力变压器故障综合诊断方法

提出了一种基于粗糙集的理论对变压器故障性质和故障部位的综合诊断方法。它既充分利用了油中溶解气体的分析结果,又考虑了一些比较典型的影响因素,如某些电气试验结果和其它试验结果。由于利用了粗糙集理论的决策表约简技术,去除冗余信息,大大压缩了人工神经元网络(ANN)的训练样本,从而有效地提高了ANN的训练速度和诊断的准确率。

基于模糊-粗糙集理论的神经网络模式识别方法

目的通过对数据进行约简提高模式识别中数据的有效性,以提高胶合板缺陷检测的准确率和在线的实时性.方法利用粗糙集理论在数据约简上的优势,提取出对模式识别决策结果影响最大的属性,约简掉对决策结果影响较小的属性.利用模糊逻辑在不确定性问题的能力,提高边缘属性在模式识别中的权重值.利用神经网络在模式识别中的有效性,将粗糙集算法、模糊逻辑、神经网络的人工智能算法有效相结合,提出一种基于模糊粗糙集神经网络的模式识别分类方法.结果结合胶合板缺陷检测,针对胶合板的13类缺陷的17个属性,提取出最有效的数据,约简了对决策影响最小的4个属性.结论基于模糊-粗糙集理论的神经网络模式识别算法提高了数据的有效性,增强了缺陷检测的准确度,提升了在线检测的实时性,取得了良好的研究结果.

粗糙集理论与神经网络在变压器故障诊断中的应用

粗糙集(RS)理论是一门新兴的智能信息处理技术,它对各种不完整数据进行分析、推理,发现数据间的关系,提取有用特征,简化信息处理。人工神经元网络(ANN)具有本质的非线性特性、并行处理能力、以及自组织自学习的能力。但单独使用ANN处理问题时,往往会存在一些缺陷。该文把粗糙集理论与人工神经元网络结合起来,应用于变压器故障诊断,可以充分发挥两种方法的优势,取长补短。粗糙集理论可以有效地对样本集进行约简,从而简化了ANN的网络结构,减少了网络的训练步数,提高了判断准确率。并用仿真实验验证了此方法的有效性。

基于RS-ANN知识员工离职模型及预警研究

以相关文献作为研究基础,确定知识型员工离职的相关因素,利用粗糙集理论对知识的约简能力及神经网络的分类能力,构建粗糙集—神经网络(RS-ANN)员工离职预警模型;并将该模型应用于员工离职预警数据进行实例验证,该模型预警速度快,离职预警正确率高。

基于粗糙集——粒子群神经网络的建设项目安全预测研究

回顾施工项目安全管理和安全管理研究现状,建立建设项目安全管理指标体系。利用人工神经网络非线性函数逼近能力,对项目风险因素程度预测。针对该网络当数据量大时,其结构复杂、收敛慢,易陷入局部最优的缺点,引入粗糙集对影响建设项目安全目标的不确定性因素进行约简,找出最小不确定性风险因素集,大大简化网络输入信息的表达空间维数。并结合粒子群算法收敛速度快、全局最优的寻优能力强的优点,建立基于粗糙集——粒子群神经网络的建设项目安全预测系统。通过实例验证该系统的科学性和有效性。

复合型智能预测分析系统框架研究

提出了多元支持向量机思想及其实现过程,并将其与粗糙集与神经网络相结合,提出一种复合型智能预测分析系统框架。首先利用粗糙集对预测的原始数据进行处理,并从中发现隐含知识,然后提出了多元支持向量机,能够有效地对两种以上类型的数据进行精确分类。将两者与神经网络有机地结合起来,构成一种复合型预测分析系统,从而为决策分析提供一种新的方法。

基于RS-ANN的通风系统可靠性预警系统

系统可靠性预警是度量系统运行状态偏离可靠性指标界线的强弱程度,确定预警等级和做出决策警示的过程。笔者在对目前国内外有关系统预警方法的分析比较基础上,针对矿井通风系统可靠性运行的实际状况,应用了粗糙集(RS)理论和神经网络(ANN)技术,提出了一种基于粗糙集神经网络(RSANN)的矿井通风系统可靠性预警方法:首先,建立了一套适合于矿井通风系统可靠性的预警指标体系;然后,利用人工神经网络与粗糙集理论的优势互补,以粗糙集作为前置处理系统优化指标结构,构建了基于RSANN的通风系统可靠性预警仿真模型,并应用该模型进行了实例验证。其结果表明,该模型的仿真结论与基于ANN的结论十分吻合,训练效率提高了667倍。

基于粗糙集-人工神经网络的航空安全文化评价模型研究

根据航空运输企业安全生产系统的特征,制定相对科学的、适用的安全文化评价指标体系。将粗糙集、人工神经网络方法应用于航空安全文化评价研究。首先,通过问卷调查与粗糙集方法相结合,对安全文化评价指标信息表进行设定。利用粗糙集的属性约简功能,确定航空安全文化的核心要素;其次,利用人工神经网络对约简后指标权重进行计算;经过仿真实验,训练后的神经网络较好地获取并保存了安全文化评价的知识和经验,能够较为准确地对航空安全文化进行评价。

基于粗糙集和多人工神经网络模型的产品敏捷定制设计方法

客户需求分为普通需求和定制需求,根据这两类需求对确定产品结构所起的不同作用,结合粗糙集(RS)和人工神经网络(ANN)方法的优势,提出一种基于粗糙集和多ANN模型的产品敏捷定制设计方法。该方法采用RS提取有效的客户需求;运用ANN技术,建立客户需求与产品结构间的选配关系,形成可不断更新的多个ANN模型。根据不同的客户需求,选取与之匹配的网络模型,快速确定合适的设计方案。以卷板机的定制设计为例,验证了该方法的有效性。

基于粗糙集神经网络的非线性系统动态参数预测

为建立非线性系统辨识和预测模型,利用粗糙集和人工神经网络方法进行动态参数预测。考虑非线性系统中影响因子之间的高度非线性和不确定性,结合粗糙集和人工神经网络的优点,提出了一种动态参数预测的新方法。该方法充分考虑了学习样本的数据特性,简化了决策规则从而降低了网络拓扑结构规模,计算速度快,容错能力强,误差小,精度高。计算结果表明,该方法用于非线性系统动态参数分析是有效可行的。

人工神经网络及其在电波传播中的应用

本文首先简要介绍了后向传播人工神经网络的基本原理,然后用这种网络模拟了电磁波在粗糙面的散射。结果表明,用神经网络模拟电磁波在复杂环境中的传播是一种简单有效的方法。

基于决策表-粗糙集理论的动态安全分析神经网络输入特征优选

提出了一种动态安全分析神经网络输入特征的优选方法。该方法将决策表最优特征子集理论与粗糙集理论的元素离散化方法相结合,在保证较高精度的运行点分类和稳定裕度计算的基础上,从大维数的注入元中优选特征元作为神经网络输入特征,以降低其输入特征的个数,较好地解决了神经网络动态安全域方法用于大系统所面临的“维灾难”问题。通过对电力系统分析综合程序(PSASP)中EPRI-36测试系统的仿真计算,验证了该方法的有效性。