- 年份
- 2024(5527)
- 2023(8018)
- 2022(6888)
- 2021(6607)
- 2020(5635)
- 2019(13109)
- 2018(12814)
- 2017(24770)
- 2016(13018)
- 2015(14555)
- 2014(14176)
- 2013(13532)
- 2012(11904)
- 2011(10572)
- 2010(9944)
- 2009(8758)
- 2008(8048)
- 2007(6547)
- 2006(5248)
- 2005(4397)
- 学科
- 济(50555)
- 经济(50473)
- 管理(38379)
- 业(35773)
- 企(30660)
- 企业(30660)
- 方法(28133)
- 数学(25471)
- 数学方法(25056)
- 财(13766)
- 农(12235)
- 中国(11543)
- 业经(10641)
- 制(9756)
- 贸(9126)
- 贸易(9123)
- 易(8938)
- 务(8830)
- 财务(8789)
- 财务管理(8769)
- 学(8563)
- 技术(8365)
- 企业财务(8362)
- 理论(8256)
- 农业(7890)
- 地方(7791)
- 和(7606)
- 体(7058)
- 环境(7004)
- 划(6751)
- 机构
- 大学(173535)
- 学院(170915)
- 管理(72965)
- 济(71178)
- 经济(69950)
- 理学(64772)
- 理学院(64108)
- 管理学(62940)
- 管理学院(62596)
- 研究(49652)
- 中国(36527)
- 京(33745)
- 财(32411)
- 科学(28927)
- 财经(26928)
- 中心(25314)
- 经(24804)
- 业大(24143)
- 江(22790)
- 经济学(22664)
- 农(22372)
- 范(22297)
- 师范(22086)
- 所(21668)
- 经济学院(20606)
- 财经大学(20558)
- 北京(20098)
- 研究所(20014)
- 商学(19194)
- 经济管理(19133)
- 基金
- 项目(127659)
- 科学(103494)
- 基金(96575)
- 研究(93720)
- 家(83416)
- 国家(82802)
- 科学基金(73532)
- 社会(62093)
- 社会科(58901)
- 社会科学(58889)
- 基金项目(51715)
- 省(48426)
- 自然(48024)
- 自然科(47008)
- 自然科学(46998)
- 自然科学基金(46165)
- 教育(44668)
- 划(41639)
- 资助(38453)
- 编号(37167)
- 部(29559)
- 重点(28627)
- 成果(28359)
- 创(27562)
- 国家社会(26493)
- 教育部(26288)
- 发(26224)
- 创新(25753)
- 人文(25625)
- 制(25314)
共检索到229096条记录
发布时间倒序
- 发布时间倒序
- 相关度优先
文献计量分析
- 结果分析(前20)
- 结果分析(前50)
- 结果分析(前100)
- 结果分析(前200)
- 结果分析(前500)
[期刊] 统计与决策
[作者]
梁龙跃 陈玉霞
针对季度GDP数据，文章基于深度学习长短期记忆（LSTM）神经网络模型，结合小波分析技术（WA）分解所选取的宏观经济变量，构建了LSTM&WA预测模型，同时，引入多个基准模型进行对比分析。研究表明：对于季度GDP数据，深度学习模型结合小波分析预测结果更优；针对结构复杂的非线性多变量数据，LSTM&WA预测模型具有较好的泛化能力，其预测精度均优于其他基准模型。
[期刊] 统计研究
[作者]
杨青 王晨蔚
作为深度学习技术的经典模型之一,长短期记忆(LSTM)神经网络在挖掘序列数据长期依赖关系中极具优势。基于深度神经网络优化技术,本文构造了一个深层LSTM神经网络并将其应用于全球30个股票指数三种不同期限的预测研究,结果发现:①LSTM神经网络具有很强的泛化能力,对全部指数不同期限的预测效果均很稳定;②相比三种对照模型(SVR、MLP和ARIMA),LSTM神经网络具有优秀的预测精度,其对全部指数的平均预测精度在不同期限上均有提升;③LSTM神经网络能够有效控制误差波动,相比三种对照模型,其对全部指数的平均预测稳定度在不同期限上亦均有提高。鉴于LSTM神经网络在预测精度和稳定度两方面的优势,其未来在金融预测等方向将有广阔的应用前景。
关键词：
LSTM神经网络 深度学习 股票指数预测
[期刊] 统计与决策
[作者]
王鑫 肖枝洪
文章将干预模型与BP神经网络模型相结合,提出了基于干预模型与BP神经网络集成的GDP时间序列预测模型,并实现了算法。利用我国1978~2004年的GDP数据建立多干预变量集成预测模型,对我国2005~2009年的GDP数据进行预测,并将预测值与其他文献所建模型的预测值进行比较,预测误差明显减少,证实了所建立模型处理外部事件(如宏观经济因素、政治因素等)的有效性。
[期刊] 统计与决策
[作者]
郭秋艳 何跃
文章运用消除趋势波动分析方法(DFA),计算了全国GDP年度数据的标度指数。计算结果表明GDP时间序列具有持久性的长程相关,用已知的GDP值来预测未来一段时间内的GDP变化趋势是可行的,在此基础上,鉴于GDP预测的非线性、时变性和不确定性,利用人工神经网络自学习、自适应和非线性的特点,将经济变量数据归一化处理,建立BP神经网络预测模型。
关键词：
DFA BP神经网络 GDP 预测
[期刊] 生态经济
[作者]
王宇 李旭东
本文计算了1993年至2005年我国M2/GDP,发现该数据总体呈上升趋势,这一定程度上反映了我国体制上的深层次问题。另外,本文运用带有动量项和自适应学习率的BP神经网络方法预测出我国2006年的M2/GDP是1.6386左右,并提出了一些相应的政策建议。
关键词：
M2/GDP BP神经网络 预测 对策
[期刊] 统计与决策
[作者]
何刚 吴文青 夏杰
文章基于Simpson公式改进的GM(1,1)灰色系统和神经网络组合模型对国内生产总值进行预测研究。首先,利用Simpson积分公式对GM(1,1)灰色系统的背景值进行改进。其次,通过相关性分析确定财政收入、财政支出、全社会固定资产投资、进出口差额、国家税收收入和社会消费零售总额6个因素为GDP的主要影响因素。接着,将灰色系统的预测值和影响GDP总量的6个因素同时作为BP神经网络的输入构建串联型灰色神经网络预测模型。对比分析GM(1,1)、Simpson公式改进的GM(1,1)、Simpson公式改进的灰色神经网络模型的计算结果,可明显看出基于Simpson公式改进的灰色神经网络预测精度最高。
[期刊] 清华大学学报(自然科学版)
[作者]
王晓明 赵歆波
传统眼动模型基于心理学假设和经验数据构建,不能对未见文本数据进行预测,且不能解决阅读个体化差异问题。针对这一问题,该文提出了一种利用深度神经网络预测读者注视点的眼动模型。与传统基于心理学的眼动模型不同,该模型不是基于经验数据集,而是基于双向长短期记忆-条件随机场(bi-directional long short-term memory-conditional random field,bi-LSTM-CRF)神经网络。该模型使用阅读过程中读者的眼球运动数据作为训练数据,来预测该读者阅读其他文本时的注视点。计算机模拟结果表明:bi-LSTM-CRF模型能够使用较少的数据特征获得与现有机器学习模型相似的预测准确度,这使所提出的模型在实时人机交互应用领域具有吸引力。
[期刊] 管理科学
[作者]
尹隽 彭艳红 陆怡 葛世伦 刘鹏
随着企业信息化水平的不断提高,企业核心业务越来越依赖于信息系统的可靠运行,任何信息系统用户进行的异常操作都可能给企业带来不可估量的损失。企业更加重视用户异常行为可能对企业造成的负面影响,如何有效预测企业信息系统的异常行为成为当前的研究问题。设计企业信息系统用户异常行为的预测框架,明确企业信息系统用户异常行为的界定标准,基于用户日志数据,在已有研究基础上加入业务维度构建特征模型,采用深度神经网络方法进行用户异常行为预测。通过与经典统计方法和传统机器学习方法对比进行模型评估,以某船舶企业为例进行实验分析,初步验证该预测框架的有效性。研究结果表明,加入业务特征后的特征模型整体表现更好,召回率、查准率和AUC分别提高3. 52%、2. 16%和3. 36。基于数据驱动的深度神经网络模型可以层层抽取用户异常行为的抽象特征,提高各个特征对异常行为预测的效率。与多重线性回归方法相比,深度神经网络的召回率和查准率分别提高16. 49%和7. 46%;与支持向量机算法相比,召回率、查准率和AUC分别提高3. 09%、5. 09%和0. 08。进一步比较3个部门的模型发现,在与企业业务直接相关的业务部门和职能部门,用户异常行为能被更好地识别出来,而信息部门的分类效果欠佳。研究结果为企业提供了一种可能适用于企业信息系统用户异常行为的预测框架,有助于企业对用户异常行为进行预测,从而及时采取措施以降低用户异常行为可能对企业造成的负面影响。
[期刊] 图书情报工作
[作者]
孔德婧 董放 陈子婧 刘宇涵 周源
[目的/意义]由于新兴技术本身的超前性,其刚出现的关注度往往不是很高。目前研究更多遵循技术发展路径依赖进行新兴技术的识别,会忽略一些颠覆现有技术轨道的技术研发。通过对与领域内主流技术相似度较低的离群专利进行分析,可以更有效地识别这类技术研发并预测新兴技术。[方法/过程]提出一种基于深度学习的离群专利识别与新兴技术预测方法。首先使用BERT预训练模型基于专利文本构建相似度网络,识别离群专利,然后基于DNN模型构建离群专利指标与技术影响力之间的关系,实现从海量离群专利中快速、准确地预测新兴技术。最后以数控系统领域为例,从德温特专利数据库获取近10年领域内所有专利,进行实证分析。[结果/结论]数控系统领域的实证分析结果验证了模型的有效性,同时对国家的技术发展政策制定以及相关领域企业技术布局具有重要的指导意义。
关键词：
新兴技术 深度学习 离群专利 数控系统
[期刊] 软科学
[作者]
曹国华 赵晰 尹林林
以深交所大非股东为研究对象,将BP神经网络结合rough集理论应用于大非减持度预测,构建一套减持度预测系统,测试结果表明该预测系统平均预测准确度较高,具有实用性,能够为普通投资者及监管者提供参考作用。
[期刊] 林业科学
[作者]
葛利 陈广胜
提出一种基于过程神经网络的木材生长轮密度长期预测方法。本方法利用输入输出均为时变函数的过程神经网络输出为时变函数的特点,将原始数据拟合为输入函数并表示为一组正交基的展开形式后,使用混合遗传算法训练过程神经网络,得到过程神经网络的输出函数,以此实现木材生长轮密度的一次多步长期预测,通过与传统时间序列预测方法比较,预测精度得到显著提高,并为时间序列长期预测问题提供新方法。
[期刊] 统计与决策
[作者]
王宣承 刘恩猛 程展兴 方鹏飞
考虑到物流行业具有周期性和随机性等特征,文章提出了基于季节分解和神经网络的的物流预测混合模型。该模型结合了统计方法对季节和趋势等确定性因素的简洁刻画能力,以及神经网络模型对随机因素的强大非线性拟合功能,极大地提高了物流货运量的预测准确性。实证结果表明:与线性回归模型、ARIMA模型和支持向量机相比,混合模型对于铁路货运量的预测误差最小,准确度最高。
关键词：
季节分解 神经网络 物流预测 时间序列
[期刊] 华东经济管理
[作者]
华晓晖 闫秀霞
快速变化的市场对企业的生存和发展提出了更高的要求,而按照代表顾客需求的订单进行生产则是企业提高柔性和竞争力的关键。正因为如此,准确地预测订单就显得异常重要。文章利用BP神经网络和径向基神经网络建立了新的订单预测模型,并通过解决一个实际问题对其仿真结果进行了比较。
关键词：
订单 神经网络 模型
[期刊] 金融理论与实践
[作者]
谢小璐
上海银行间同业拆放利率(Shibor)的推出是中国利率市场化重要的一步。在阐述了Shibor的背景、功能以及对经济发展的重大意义之后,分别建立了小波神经网络和回归时间序列组合模型对2周品种Shibor进行预测对比分析,研究结果表明,小波神经网络的拟合和预测精度较高,具有一定的科学性和实用性。
文献操作()
导出元数据
文献计量分析
导出文件格式：WXtxt
删除
