基于财务报表的NN糖业企业营运资金管理绩效分析

对制糖企业营运资金管理绩效进行分析与评价,能有效帮助制糖企业提高营运资金管理水平,把握企业营运资金管理规律。文章基于要素视角,对NN糖业营运资金管理绩效进行案例分析;借助NN糖业财务报表信息,通过综合运用企业营运资金分析理论,基于供应链视角总结了NN糖业企业营运资金管理绩效现状与提升策略。建议企业应收账款、存货等流动资产的作用充分发挥,在甘蔗收购需要大量流动资金时可采用供应链金融中的应收账款融资模式、存货质押融资模式来取得银行信贷资金,以满足榨季流动资金的需要,提升营运资金管理绩效。

基于时频域特征分析和ML-NN的故障电弧检测与选线

针对低压配电系统方式复杂、负载种类繁多、串联故障电弧的检测难度越来越大的问题,提出了1种基于时频域特征分析和多标签神经网络(ML-NN)分类的串联故障电弧检测与选线的方法.该方法通过采集多回路负载的不同支路发生电弧时的干路电流,对其时域采取统计的方法对故障电流的方差、均值、偏度和峰度进行分析,对其频域采用小波变换的方法得到其故障电流的小波系数特征.将时频域特征作为神经网络的输入进行训练,同时采用反向传播方法来训练模型,实现故障电弧检测和故障选线.经过实验验证,故障电弧检测和选线的准确度分别达到了97.57%、99%.

基于灰色Elman-NN模型的乡村旅游游客流量预测方法

影响乡村旅游游客流量因素较多,导致乡村旅游游客流量预测误差较大,并且效率较低,设计一种基于灰色Elman-NN模型的乡村旅游游客流量预测方法。将所有数据按照一定的顺序排列,选取预测因子,对旅游数据关联度计算,采用灰色Elman-NN模型实现了乡村旅游游客流量预测。实验结果表明,所研究的基于灰色Elman-NN模型的乡村旅游游客流量预测方法在节假日前与节假日时的客流量预测上误差都较低,并且预测效率较高,满足乡村旅游游客流量预测方法的设计需求。

基于GRU-NN模型的电力用户能耗预测研究

针对现有预测方法在对电力用户进行能耗预测时,存在预测精度低、预测时效性差的问题,引入GRU-NN(Gate Recurrent Unit-Neural Networks,门控循环单元-神经网络)模型,开展对电力用户能耗预测方法的设计研究。采集电力用户用电信息,并从归一化处理后的信息中提取用电特征。利用GRU-NN,构建能耗预测模型。结合均方误差和拟合优度的概念,对该模型进行训练。利用训练后的模型预测电力用户能耗,模型的输出即为预测结果。通过对比实验,证明新的预测方法预测结果更加接近实际,且预测耗时短,具备较高的时效性,值得广泛应用。

基于k-NN模型的钢坯入炉温度预测

在中厚板生产中,加热工序是决定后续轧制过程是否稳定的重要环节。同时为了提高经济效益,实现节能减排,加热工序往往会根据原料本身的温度情况来制定相应的加热工艺。换热系数是建立钢坯温降计算模型的核心参数,由于其影响因素繁多且复杂,很难有一个固定的模型来计算。本文提出一种简单有效的基于k-NN算法的温度预测模型,寻找目标钢坯与样本钢坯之间的相似度,然后通过IDW加权平均算法,预估出目标钢坯的入炉温度。实际应用表明,模型预测温度与实测温度绝对误差控制在30℃以内的占比达95%以上。

局灶性癫痫围发作期心率变异性变化特点

目的探讨局灶性癫痫围发作期心率变异性变化特点。方法收集2014年9月至2019年9月在首都医科大学附属北京天坛医院癫痫中心进行术前评估并完成手术的癫痫患者102例,选择局灶性发作198次,手动测量相邻两个心电活动的RR间期,计算心率变异性时域参数-相邻正常心跳间期差值平方和的均方根(RMSSD),比较发作前60 s、发作期、终止后60 s RMSSD差异,并比较不同心率变化类型、不同发作类型、不同发作前状态以及不同致痫灶部位和侧别RMSSD差异。结果发作期和发作前60 s及终止后60 s RMSSD相比差异有统计学意义(P<0.001),提示发作期RMSSD降低;心率增快类型癫痫发作期RMSSD降低(P<0.001);复杂部分性癫痫发作期RMSSD降低(P<0.001);颞叶内侧癫痫发作期RMSSD降低(右颞叶内侧P<0.001;左颞叶内侧P<0.001);心率无变化(P=0.556)和心率减慢(P=0.983)类型癫痫发作、单纯部分性癫痫(P=0.869)、颞叶外侧癫痫(右颞叶外侧P=0.204;左颞叶外侧P=0.849)和颞叶外癫痫(右颞外P=0.188;左颞外P=0.068)发作期RMSSD无降低。发作期和发作前60 s RMSSD差值在睡眠期更明显(P=0.039)。结论心率增快类型癫痫发作、复杂部分性癫痫、颞叶内侧癫痫发作期易发生心率变异性下降,提示癫痫发作期副交感活性下降;睡眠期状态下发生的癫痫发作期心率变异性下降相比清醒期显著,提示睡眠期癫痫发作副交感活性下降更加明显。

美国NN/LM医学图书馆网的分析和启示

从背景、宗旨、任务、现状、信息服务等方面全面分析美国NN/LM,并提出对我国医学图书馆发展的启示和建议。

一种新的证据K-NN数据分类算法

K近邻分类算法已被广泛应用于模式识别中。为了有效处理识别问题中的不确定信息并提高数据分类精度,提出了一种新的证据K-NN(NEK-NN)分类算法。首先从总的训练集中随机重复采样来构造多个训练样本子集。在每个训练子集中,利用目标数据与其各个近邻的距离分别构造基本置信指派,并根据K个近邻数据在每个类别中的数目来对构造的置信指派进行加权。然后,利用DS规则对加权证据融合。根据每个训练子集下融合结果的算术平均值来判断目标的类别属性。通过模拟数据集和真实数据集的实验,将NEK-NN算法与其他几种常见的方法做了对比分析,结果表明NEK-NN算法能够有效地提高分类的精度。

基于N次K-NN分类算法的管道机器人定位技术研究

分析了低频电磁波在均匀介质中的磁场分布,其分布与介质的介电常数、磁导率密切相关.根据管道机器人定位的实际工程需要,给出了三传感器低频电磁波定位模型.为了减小传输介质介电常数、磁导率参数对管道机器人定位的影响,提出了N次K-NN分类算法.实验结果表明,该算法分类的正确率可达97.5%,定位精度可达±10 cm,在传输介质介电常数、磁导率等参数不确定条件下,可有效地求解低频电磁波发射源的位置参数.

基于MPI的ML-kNN算法并行

基于MPI将ML-kNN算法并行化,以解决多标签学习领域中的大规模分类问题,控制计算的时间开销,这也是首次将MPI应用到多标签学习领域.通过与传统的串行ML-kNN的对比实验,验证了所提方法的可行性和有效性.另外,允许数据集以特征为单位划分,这使得该方法在处理高维数据时具有更大的优势.

对NN/LM2001-2006年合同期项目的定量分析及启示

为深入了解NN/LM的项目资助情况,文章对NN/LM网站上获得的上一五年合同期详细的项目信息进行了深入的分析,得到项目数、各区域分布特点、基金投入的分布特点等,并对基金支持的多少以及一些特殊项目进行了详细的分析。从中得到值得我国建立医学图书馆资源共享网络借鉴的经验和启示。

时滞离散非线性系统基于NN预测的准滑模控制

研究一类具有输入滞后的离散非线性系统的准滑模控制问题 .根据滑模控制原理和神经网络的逼近能力 ,提出了一种基于神经网络预测的准滑模控制器设计方法 ,给出了神经网络预测器的自适应算法 .通过理论分析和仿真结果 ,证明了神经网络预测器的自适应算法是收敛的 ,闭环准滑模控制系统是稳定的 。

NN型渐开线少齿差行星减速器传动效率仿真与实验

通过虚拟仿真技术和实验研究NN型渐开线少齿差行星减速器的传动效率。建立NN型渐开线少齿差行星减速器的虚拟样机,使用Romax软件对齿轮接触应力及安全系数、弯曲应力及安全系数、传动精度和不同转速下传动效率进行仿真分析,并在减速器效率测试实验台上进行了不同转速下的传动效率测试实验。实验结果表明,当转速一定时,减速器的传动效率随着负载转矩的升高逐步增大;达到最高传动效率后,继续增大负载转矩则传动效率开始降低。实验测试数据与传动效率仿真分析数据符合。

基于PSO训练的NN-PID控制器设计及其FPGA实现

提出了一种基于PSO学习、VHDL描述和FPGA实现的NN-PID控制器设计方法。首先借助MATLAB系统仿真工具,在闭环控制系统中通过PSO优化算法训练前馈网络,得到优化的NN-PID控制器参数;然后在FPGA集成开发环境下进行控制器的VHDL层次化设计,重点研究单个神经元和前馈网络的结构以及实现方式;最后对该控制器进行了闭环时序测试,并在一个具体的FPGA器件上实现。研究结果表明,PSO用于NN-PID控制器训练速度快,VHDL描述和FPGA实现该控制器时序验证方便,而且控制器具有较好的鲁棒性。

基于k-NN和Landsat数据的小面积统计单元森林蓄积估测方法

基于吉林省一个试验区的森林资源一类清查固定样地数据、Landsat TM数据和土地利用数据,采用精度交叉评价方法研究了k-最近邻(k-NN)法用于小面积统计单元森林蓄积估计的有效性。结果表明:k-NN方法对样地覆盖区影像像元单位面积蓄积量的估测平均误差在1.5 m3.hm2之内,相对均方根误差(RMSE′)低于传统的基于绿度指数的线性方程估测方法;采用k-NN方法可以实现县市级统计单元的参数估计,估测效果优于只利用固定样地数据的传统成数估计方法。

用RCR特征和NN识别实时手绘工程草图

针对实时手绘工程草图 (简称手绘草图 )的识别 ,引入草图重心、重径距和正规化重径 (RCR)等图形特征概念 ,提出手绘草图的神经网识别方法 该方法以图素具有统计意义的正规化重径作为特征、以图素交叉方式组织正规化重径的值作为学习样本 ,应用弹力传播的Rprop算法训练BP神经网 ,一次训练即可得到能够识别任意倾角和位置手绘草图图素的识别器

PSO/KNN算法及其在模拟故障诊断中的应用研究

提出了一种基于粒子群优化(particle swarm optimization,PSO)的特征提取算法,该算法以K-NN(nearest neighbor)分类正确率为评价准则,应用粒子群优化算法寻找使提取特征的K-NN分类正确率最大的转换矩阵,从而实现特征的提取。算法的特点是结构简单灵活,对数据的分布特征不敏感,适合于对模拟电路的故障特征进行提取。电路故障诊断示例证明了该特征提取算法在模拟电路故障诊断中的有效性。

基于Hopfield NN遗传优化设计的板形缺陷识别研究

针对Hopfield NN传统设计方法要求权值矩阵需要满足对称的约束,以及记忆容量和容错性低,且记忆模式易陷入伪稳定状态的缺点,本文提出了利用遗传算法(GA)优化设计Hopfield NN权值的方法,并与传统方法对比,验证了GA-Hopfield NN具有较大的记忆容量和较强的容错性。同时提出了GA-Hopfield NN的板形模式识别模型设计方案,将具有较强计算能力的反馈网络用于实时信息处理系统实现模式识别,克服了当前板形智能识别模型动态性差,容错能力低及实时性差的缺陷。同时,Hopfield NN的二值计算形式大大提高了系统的运算速度,为硬件实现和工程应用提供了新思路。

基于NNα阶逆的非线性大时延系统预测控制

针对较一般的模型未知非线性大时延系统 ,构造其NNα阶逆系统与原系统复合成NNα阶伪线性复合系统 .然后将此复合系统作为被控对象 ,用线性预测控制方法实现有效控制 .简化了预测控制器的设计 ,易于进行稳定性和稳态偏差分析 .

用于大数据分类的KNN算法研究

针对KNN算法在处理大数据时的两个不足对其进行了研究,提出多层差分KNN算法。算法对已知样本根据类域进行分层,既避免了传统改进算法中剪辑样本带来的判别误差,又大大降低了无效的计算量;同时在最后一层采用差分的方法进行决策,而不是直接根据最近邻进行分类,大大提高了分类的准确性。实验结果表明,该算法在对样本容量大、涉及邻域多的大数据样本进行分类时能取得较好的分类效果。