基于PCA及Elamn神经网络的财务困境预警

企业是市场的重要参与主体之一,而财务是各个企业的重要运营支撑,在新冠肺炎疫情所带来的压力下,市场风险逐渐扩大,随时出现的财务困境成为企业所面临的最大挑战。该研究选取2020年157家被特别处理的上市公司(Spe⁃cial Treatment,ST)和157家非ST上市公司的19个指标为研究对象,对公司的财务状况进行预测和分析构建了Elman神经网络预测模型。实验结果表明:RBF、BP及SVM模型的准确率具体数值为14.28%、9.52%、7.93%,而Elamn模型预测的分类准确率是85.71%,说明研究提出的Elman预测模型在财务困境的预测中具有较强的预测能力,可以为企业机构做出正确的决策提供指导意义。

基于Elman网络的参数自适应矢量控制系统

介绍了用Ｄｌｍａｎ人工神经网络建立的电机转速估计模型，采用样本混沌载波的动量ＢＰ算法。给出了其仿真结果、矢量控制系统框图及其硬件实现方案。