本文将人工神经网络引入教育评估领域,阐明了用BP网络模拟教育评估中的专家评价的设计思想和方法,结合具体实例进行论证。

目前的信息系统风险评估方法多是利用单一的方法对风险进行评估,准确性难以得到保证。文章将BP神经网络的定量计算和专家系统理论的定性分析结合在一起,构建了信息系统风险评估模型。所用的BP神经网络引入了遗传算法理论进行优化,处理结果作为专家系统知识库的一部分输入。最后使用传统的层次分析法进行信息整理汇总,得出信息系统风险评估的精确结果。

目的】建立苹果原料制干适宜性评价模型,实现基于苹果原料指标预测干制品品质的目标,为苹果制干专用化原料的筛选提供方法依据,为明确苹果干制品品质形成的基础物质提供数据支持。【方法】以来自7个不同主产区的21个主栽品种,共34份苹果鲜果样本为研究对象,运用多种数据处理方法建立苹果脆片品质综合评价模型与苹果原料制干适宜性评价模型。(1)利用压差闪蒸干燥方法制备34份苹果鲜果的脆片样本,测定苹果脆片17项品质指标,采用因子分析进行降维并筛选得到苹果脆片品质评价核心指标,运用层次分析法得到脆片核心指标权重值,构建脆片品质综合评价模型并计算得到脆片综合评价得分。(2)测定34份苹果鲜果样本22项品质指标,与脆片核心指标进行相关性分析并筛选出与脆片品质相关的果实特征指标。选用29个样本以果实特征指标为输入,对应脆片综合评价得分为输出,利用误差反向传播(Error Back Propagation,BP)神经网络算法构建学习模型;其余5个样本为验证样本,评价学习模型的预测准确性。变换3组学习样本构建3个学习模型,对比3个模型的预测准确性,验证建模方法的合理性与稳定性。【结果】苹果脆片L*值、脆度、膨化度、可滴定酸含量、可溶性糖含量和粗蛋白含量被确定为不同样本脆片品质综合评价的核心指标,构建的苹果脆片品质综合评价模型为Y_(综合得分)=L*值×0.3724+脆度×0.2665+膨化度×0.1583+可滴定酸含量×0.0890+可溶性糖含量×0.0569+粗蛋白含量×0.0569。34个苹果鲜果样本制得的脆片综合得分范围为0.2069—0.7933,存在较大差异,得分排名前3的苹果样本为‘辽宁华红’‘辽宁华金’和‘山东烟富6号’,排名最后的苹果样本为‘陕西秦冠’。基于脆片核心指标与苹果果实品质指标相关性分析结果,筛选出苹果果实的果形指数、果肉a*值、pH、可滴定酸含量、Vc含量、果核比例、粗蛋白含量、果肉b*值、密度、可溶性固形物含量、粗纤维含量、总糖含量12项指标作为果实制干适宜性评价的特征指标。以果实特征指标值为输入层,对应苹果脆片综合评分为输出层,建立BP神经网络学习模型,可实现苹果原料制干适宜性的定量预测。该方法建立的学习模型有较高的预测准确性与稳定性,变换学习样本得到的3个学习模型的预测值与实际值相对误差均不超过10%,实际值与模型预测值线性拟合后决定系数R~2均大于0.95。【结论】苹果制干适宜性可由果实的果形指数、果肉a*值、pH、可滴定酸含量、Vc含量、果核比例、粗蛋白含量、果肉b*值、密度、可溶性固形物含量、粗纤维含量、总糖含量12项指标进行评价,建立的适宜性评价模型可实现基于苹果原料指标定量预测其制干适宜性。

随着供应链的迅猛发展,所面临的风险也越来越大。为合理有效评价供应链风险,文章结合供应链风险评价指标体系,将神经网络理论与专家系统思想相结合,提出了一个可行的基于BP神经网络专家系统的供应链风险评价模型。该模型利用BP神经网络的自学习特征,在训练过程中通过对权值的不断修正,使网络的实际输出向量逐渐接近期望的输出值。该模型不仅能够利用专家系统判断供应链风险的大小,而且能够通过权矩阵分析影响供应链风险的主要因素,在供应链风险研究及应用中具有较大的发展潜力。

装备保障能力评估是未来作战决策的基础环节。本文针对装备保障能力评估需要,构建了能力评估指标体系,研究了常用的装备保障能力评估方法和基于BP神经网络的装备保障能力评估方法,建立了BP神经网络评估模型,并通过对模型输出评估值和常用评估方法所得的样本值之间的误差分析,验证了基于BP神经网络的装备保障能力评估模型的可行性。

利用基于遗传算法的BP神经网络建立了一种供应商评价模型,实现了供应链中的供应商多指标评价,提高了供应商评价过程的客观性,同时克服了BP神经网络具有泛化能力较弱、较多的依赖初始值等缺点,该模型为供应商的评价研究提供了模型和方法的支撑。实证结果表明,该模型具有较强的自组织、自学习和自适应能力,模型评估结果比较客观合理。

文章参考相关研究成果,构建了SCM环境下供应商质量评价指标体系,在此基础上,利用BP神经网络对供应商质量空间进行实证研究,评价结果跟实际结论完全相符。

本文通过企业环境绩效指标体系的构建并借助于BP人工神经网络方法实现了企业环境绩效的综合评价。BP人工神经网络评价方法通过学习和训练的自组织功能,科学合理确定各指标的权重进而达到评价目的。聚类分析的结果进一步验证了BP人工神经网络评价的合理性;其分析结果为政府激励、扶持或抑制等相关政策的制定提供了理论依据和实践基础。

在学术期刊评价中，组合评价得到了广泛应用，但组合评价方法和多属性评价方法均可用于组合评价问题，从而加剧了组合评价的复杂性，这种现象被称为组合评价悖论。为了解决这个问题，文章提出采用BP人工神经网络进行组合评价的思路，基于JCR2017经济学期刊，分别采用主成分分析、因子分析、TOPSIS进行单一评价，然后采用BP人工神经网络进行组合评价，并对评价效果进行分析。研究结果表明：组合评价悖论是学术评价中面临的新问题；BP人工神经网络是一种全新的组合方法，具有充分尊重单一多属性评价方法、精度高的优点，很大程度上解决了组合评价悖论问题；BP人工神经网络让评价重点重新回归到多属性评价，避免了评价方法过度技术化；BP人工神经网络组合评价不适合小样本。

利用2009年杨凌区三家农村信用社的实地调研资料进行了农户小额信贷信用风险评估的实证研究,对指标变量分别进行正态性检验、差异性检验和多重共线性检验,利用MATLAB7.0软件建立了8—14—1结构的BP神经网络农户信用风险评估模型。模型对训练集样本的总体判别正确率为100%,对测试集样本违约类农户的预测正确率达90%,总体正确率达84.09%。准确度较高,能够为农村信用社识别农户信用风险提供较好的依据。

结合供应链金融的运作模式,本文归纳了15个供应链金融业务的风险影响因素,建立了具有较好一致性和稳定性的风险指标体系,介绍了BP神经网络的一般原理与步骤,并运用mat-lab的BP神经网络工具构建了风险评估模型,收集了10组供应链金融风险评估样本,对评估样本进行训练和检验,通过建立起供应链金融风险评估模型证明了该模型的有效性。

对物流金融中涉及的风险因素进行分析,通过问卷调查获取基础数据,利用BP神经网络模型对物流金融风险进行分析和评价,实证研究结果较为准确,最终根据分析结果提出了改进意见。

本文基于风险管理理论,系统梳理科研项目经费管理的风险影响因素,得出外部环境、内部管理、科研个体、信息平台四类风险因素指标。以T研究所为例,运用BP神经网络评估方法构建科研项目经费管理风险评价模型,选择评估实例进行训练测试、拟合检验,分析计算评估其科研项目经费管理的风险分值,得出重要风险防控范围为信息平台、外部环境和内部管理,提出优化科研项目信息系统建设、完善科研项目经费管理办法以及内部管理机制等风险管理建议。

科创板上市企业具有高投入、缓收益、信息披露不完善等特点，运用现有价值评估方法对其进行评估存在数据缺乏和评估准确性不高的缺点，并且难以衡量科创板企业的成长能力。为了更加科学准确地评估科创板企业价值，通过分析影响其价值的因素，构建包含市场占有度、治理能力、资产结构、创新投入和EVA的价值评估指标体系，之后利用Spearman相关性分析和MIV值分析对指标体系进行约简，最后使用BP神经网络构建价值评估模型。结果表明：通过191条数据的训练仿真，基于BP神经网络的科创板企业价值评估模型预测准确度为82.93%，模型具有较好的适用性和可靠性。其中，EVA的相对影响度为23.69%，能有效反映科创板企业真实的价值创造能力。

理论与实际相结合,应用神经网络技术,构建了一个基于BP神经网络技术的信用风险评价模型,对我国传统的信用风险分析方法进行改进,克服了以往我国信用风险度量中存在主观随意性的特点,为我国信用风险度量模型的建设拓宽了思路,丰富了我国信用风险体系建设中的度量方法。