一种基于灰色关联度与BP神经网络的备件需求预测模型

针对备件需求影响因素众多且不同备件的影响因素不尽相同的情况,提出了一种基于灰色关联分析的BP神经网络需求预测模型。首先使用灰色关联度筛选出影响备件需求的主要因素;然后以主要因素的数据作为神经网络的输入对神经网络进行训练,使用训练好的神经网络对备件需求进行预测;最后通过实例验证了基于灰色关联度BP神经网络的预测模型相对于传统BP神经网络预测模型能够较大地提高预测的精度。

基于个体属性的人类感知网络演化模型

从个体属性差异角度切入,结合现实群体关系研究感知网络演化模型。模型通过引入马氏定理,模拟在不同感知维度和感知能力下的个体行为,并计算其马氏距离,实现以优先连接概率为前提条件的人类感知网络结构。实验表明:通过优先连接概率阈值和感知因子权重关联度阈值两个外部环境因子,以及个体节点属性差异内部因素,可以共同数据化新旧节点度的动态变化过程,结果显示核心属性因子权重的变化对网络特征影响明显。