基于Gray-BP神经网络的酒店人力资源分配优化模型

酒店人力资源分配优化模型以酒店相对数据预测为主,无法合理分配酒店资源,影响了分配优化效果。因此,本文设计了基于误差反向传播神经网络(gray back propagation neural network,Gray-BP)的酒店人力资源分配优化模型。研究人员首先基于Gray-BP神经网络辨识人力资源分配参数,将酒店人力资源数据作为输入变量,人力资源分配结果作为输出变量,辨识变量中影响人力资源分配的关键因素,从而确保酒店人力资源分配优化效果。其次优化酒店人力资源分配目标函数,遵循总量控制、先内后外、结构与数量并行等原则,优化酒店人力资源分配目标函数,使酒店人力资源分配结构更加合理。最后采用对比实验,验证了该方法的资源分配优化效果更佳,能够应用于实际生活中。

基于鲸鱼优化算法改进长短期记忆神经网络的资源推荐

为了改善资源推荐算法的性能,提出基于鲸鱼优化算法(WOA)改进长短期记忆神经网络(LSTM)的资源推荐算法;首先提取资源和用户特征,构建特征差异值加权函数;然后,以资源-用户特征作为输入,建立基于LSTM的资源推荐算法,通过输入门、遗忘门、输出门及记忆节点对历史资源推荐数据按权重进行遗忘与筛选,有选择性地挑选部分数据进行循环迭代训练;考虑到LSTM的门操作需要设置的参数较多,引入WOA进行参数智能优化求解,提出WOA-LSTM算法,以提高LSTM的参数优化的精度及效率。结果表明,通过合理设置WOA参数,可以有效改善LSTM的资源推荐性能,与常用资源推荐算法相比,所提出的WOA-LSTM算法具有更高的推荐精度及稳定性。

基于深度数据挖掘和模糊神经网络的电网资源优化配置算法

为实现高效且智能化的电网人力资源优化配置,提出了一种基于深度数据挖掘与模糊神经网络的资源优化配置算法,对未来一定时间内的资源需求加以预测。该算法基于模糊神经网络对资源数据进行深度挖掘及分析,并在此基础上通过粒子群优化算法完成对该网络的改进。数值实验结果表明,所提算法对电网企业人力资源需求的预测误差为0.13%,相比于仅使用模糊神经网络进行预测的误差降低了2.84%,且通过与多种机器学习算法进行的对比测试证明了该算法的综合性能更优。

一种基于资源优化神经网络(RON)的文本分类方法

应用有指导的机器学习方法实现了一个文本分类器。运用改进型的CHI统计量方法对分词结果进行特征提取,对传统的TF-IDF加权公式进行了一些改进(称之为:ETF-IDF),运用资源优化神经网络RON(Resource-optimizing Networks)构建分类器。在复旦大学提供的中文文本分类语料库上进行分类实验,实验结果表明该分类器较之BP算法有较高的分类质量,且ETF-IDF加权公式较之传统的TF-IDF加权公式有其优越性,提高了分类的精度和性能,满足了中文文本自动分类的要求。

基于灰色神经网络与多目标优化的中国淡水资源预测与分配研究

随着淡水资源的日益减少和需求量的日益增加,我国未来一段时间的淡水需求预测与分配问题显得尤为重要。首先通过建立灰色神经网络组合模型来预测2025年全国各省份的淡水资源需求量,然后建立多目标优化数学模型,给出10大淡水湖给各省份的调水方案。结算结果显示,给出的分配方案能够满足全国各省的2025年的淡水需求计划,这对我国合理利用淡水资源具有一定的指导意义。

基于灰色神经网络的医院人力资源需求预测研究

考虑到医院人力资源的实际需求,提出将定量分析与定性分析相结合的灰色神经网络预测模型,并且采用粒子群算法对灰色神经网络结构参数进行优化。将所提模型和灰色神经网络模型、神经网络模型、GM(1,1)进行比较,结果表明,灰色神经网络模型和所提模型的预测精度明显高于神经网络模型和GM(1,1),但所提模型的预测偏保守,预测精度更高。

基于自适应动态预测的网络切片资源冲突优化

网络切片(NS)是5G网络中的一种关键性技术,在多业务动态场景下发挥着重要作用。针对5G网络切片中由切片需求动态变化引起的资源冲突问题,采用一种基于自适应动态预测(ADP)的优化方法,提出“自适应动态预测-模型优化”的优化方案。在自适应动态预测模块,对动态的切片流量进行波动等级划分,以确保切片流量预测的准确性以及自适应性。根据划分结果,分别采用2种不同的循环神经网络算法来预测切片未来时间的流量需求,包括基于注意力机制-双向门控循环单元(Att-BiGRU)的点预测以及基于自举法-BiGRU的区间预测。在模型优化模块,根据预测结果定义用户满意度函数和切片优化配置的开销,将资源冲突优化问题表示为最大化网络收益。由于预测模块的输出可能含有不确定参数,根据鲁棒优化和基于可变粒子数量的粒子群优化算法求解出切片优化配置方案。在仿真部分对所提优化方案进行验证,结果表明,该方法在满足切片动态需求的同时,降低了资源冲突带来的负面影响,其在网络收益以及请求接受率等方面优于对比算法,链路资源利用率达到90%以上。

基于遗传算法-生成对抗神经网络模型的宁夏自流灌区水资源优化调度研究

针对宁夏自流灌区灌溉用水存在农作物耗水量大、用水集中、灌溉效率低等现象,面向宁夏区域用水实际,围绕渠道进水闸和出水口,以满足农田基本灌溉用水为前提,以灌溉效率最大化为目标,采用机器学习方法,构建遗传算法-生成对抗神经网络的宁夏自流灌区水资源优化调度模型,并在宁夏秦汉渠管理处农场渠所管辖的30余公里渠道及其灌区进行验证和应用。结果表明,模型在学习传统调度方案的基础上深度挖掘各取水口用水规律,实现高效的取水口联合调度,月节约灌溉用水315109-1050362 m^(3),显著提高了宁夏水资源利用效率。

基于混合神经网络的风电场风资源评估

准确的风资源评估是风电场规划和设计的前提。为了提高风电场风资源评估的精度,提出了一种基于混合神经网络的风电场风资源评估方法,该方法可综合利用风电场附近区域信息进行评估。首先根据风电场和附近参考气象站的同期数据建立基于混合神经网络的相关模型,训练得到神经网络的权值参数,为了提高神经网络的学习能力和避免陷入局部最优,混合神经网络采用不同的训练方法,并且采用自适应粒子群算法进行优化;再将参考气象站的历史观测数据应用到该模型中,即可得到风电场的长期风速特性,在此基础上进行风资源评估参数的计算。仿真结果表明该方法具有较高的精度。

遗传神经网络在保障资源需求预测中的应用

针对现代战争条件下装备保障资源需求变化快,保障资源预测困难的问题,首先分析了影响装备保障资源需求的因素,根据实际情况选取了平均维修间隔时间(MTBM)、平均修复时间(MTBR)等8项影响装备保障资源需求的关键指标,然后将基于遗传算法(GA)优化的反向传播(BP)神经网络应用于保障资源需求预测中,构建了基于遗传神经网络的需求预测模型,最后利用1980年～2010年实际保障资源需求数据对模型进行了验证。验证结果表明,基于GA优化的BP神经网络预测模型有较快的收敛速度、较强的适应性和较高的预测精度,适用于装备保障资源需求预测。

BP神经网络算法对高校教学资源共享平台检索的优化探讨

教学费源网络共事平台的检索需要高效、准确的算法来进行优化,该文尝试运用当前大量应用于计算机预测检索方面的BP神经网络算法这一技术手段来对教学资源网络共事平台的检索进行优化,以达到提高教学资源网络共享平台的用户体验这一目的。

一种改进的RBF神经网络参数优化方法

提出了一种改进的RBF神经网络参数优化算法。通过资源分配网络算法确定隐含层节点个数,引入剪枝策略删除对网络贡献不大的节点,用改进的粒子群算法对RBF网络的中心、宽度、权值进行优化,使RBF网络不仅可以得到合适的结构,同时也可以得到合适的控制参数。将此算法用于连续搅拌釜反应器模型的预测,结果表明,此算法优化后的RBF网络结构小,并且具有较高的泛化能力。

基于改进鲸鱼算法的BP神经网络水资源需求预测方法

随着现代居民居住地愈发集中,供水管网规模不断扩大,水资源供给面临着新的困难和挑战。其中包括水资源调度时的动态变化、管网的突发故障、水资源的不可控流失以及多目标和计算量庞大等问题。BP神经网络因拥有较强的自学习能力和泛化能力而被广泛应用于水资源预测问题中,但其也存在收敛速度慢、容易陷入局部极值的问题。群智能算法作为一种寻优算法,具有操作简单、收敛速度快、全局寻优能力强等优点。为提高BP神经网络在水资源预测方面的收敛速度和预测精度,提出一种基于改进鲸鱼算法优化的BP神经网络水资源需求预测模型,通过改变鲸鱼优化算法收敛因子的计算方式以及增加惯性权重来加强算法的寻优广度和精度,再通过BP神经网络采用改进的WOA算法输出的最优权值、阈值作为初始参数值训练模型。实验验证,改进的WOA-BP神经网络方法相比传统WOA-BP方法在收敛速度和预测精度方面都有更优的表现。

基于神经网络系统实现文化信息资源共享

通过分析文化信息资源共享工程的组成和影响因素,人工神经网络系统的主要功能及实现方法,分别构建了信息资源收集整合和网络搭建的神经网络数值方程。分析研究了各种分级中心共享模式的特点,确立了以省级为超级中心,以市级为附属中心的最优共享模式。

一种求解背包问题的新的神经网络模型

背包问题是一类经典的组合优化问题 ,在网络资源分配中有着广泛的运用。人工神经网络已成为求解大规模优化问题的一种有效方法 ,已经证明合适的神经网络能实时地得到问题的精确解。研究了背包问题的神经网络解法 ,给出了一种求解背包问题的新的神经网络模型 ,并证明了该网络模型收敛到背包问题的最优解。

土地流转对农户多维相对贫困的影响及机制研究——基于生产资源优化配置视角

研究目的:探讨土地流转对农户多维相对贫困的因果影响、作用机制及异质性,为进一步深化农村土地制度改革、构建缓解农村相对贫困的长效机制提供实证依据和有益启示。研究方法:利用2010—2018年中国家庭追踪调查数据,构建了多维相对贫困评价指标体系,通过BP神经网络赋权模型和双界限法测度农户多维相对贫困状况,然后使用工具变量法探讨土地流转对农户多维相对贫困的影响及作用机制。研究结果:(1)土地流转显著减轻了农户的多维相对贫困状况,且土地流出对5个子维度的相对贫困均存在稳健的减贫作用,而土地流入的减贫效应主要集中于家庭可行能力、发展机会、社会保险3个维度。(2)土地流转主要通过优化农户的土地和劳动力资源配置实现多维度的减贫效应。(3)土地流转对西部地区和农业产值较低县域的农户,以及家庭劳动力年龄较低和土地价值较低的农户的减贫效应更为明显。研究结论:土地流转有助于提升相对贫困群体的内生动力,培育自我发展的长效机制,其福利效应可以缩小地区间和人群间差异。基于此,为实现共同富裕的发展目标,需要进一步建立健全统一的土地经营权流转市场,促进土地规范有序流转。

图神经网络及其在通信网络领域应用综述

近年来,图神经网络作为人工智能领域的新兴技术,受到越来越多的关注.图神经网络凭借其处理非欧式空间数据的优良特性,已经在计算机视觉、推荐系统、知识图谱等领域获得广泛应用.同时,通信网络也在近几年拥抱人工智能技术.人工智能将作为未来网络的大脑,实现未来网络的全面智能化.诸多人工智能技术已经被应用在5G、物联网、边缘计算等领域.许多复杂的通信网络问题可以抽象为基于图的优化问题,通过图神经网络来解决,从而克服了传统方法的局限性.简述了图神经网络的定义,分类介绍了不同类型的图神经网络,总结归纳了图神经网络在通信网络领域的应用,分析了研究现状并给出了未来的研究方向.

基于Elman神经网络的客流量预测方法应用

本文明确了客流量预测在整个公交运力配置流程中的关键作用。客流量的准确预测是公交资源优化配置的依据和前提。本文给出了基于Elman神经网络的公交客流量预测流程。最后,通过数据搜集,利用某城市近8年的客流量数据进行了实例预测。最后通过与当前较流行的BP静态神经网络比较,发现Elman神经网络整体上比BP神经网络具有较高的预测精度。

基于混沌神经网的海上无线通信资源算法设计

在现代海上通信领域,基于无线技术的应用领域越来越多,如海上探测﹑目标侦查以及调度都需要利用无线资源进行数据传输,而海上无线资源十分紧张,所以如何对有限无线资源进行合理的分配是保障海上无线通信各种业务质量的关键。现有的无线资源算法普遍存在复杂度较高,并且最终计算结果与最优解之间还有一定的空间。本文研究了现有的海上无线资源优化算法,提出了基于混沌神经网络海上无线资源优化算法,并给出仿真结果。

航天测控站资源优化配置的元建模与寻优方法

基于不同需求提出了一种比较通用的指标评价函数,构建了地面站资源配置的统计模型和基于神经网络方法的仿真元模型。在元模型求解过程中,提出了回代法寻找最优配置的思想,即将每次迭代求解得到的优化配置点代入下次迭代训练中,以提高网络的逼近性能和泛化能力。算例表明,该方法能够求得地面资源的较优配置,求解效率高。