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。

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。

供应商选择评价方法是否得当,将直接决定企业所选供应商的优劣,并将最终影响到整个供应链的竞争能力。首先基于21世纪采购环境的变化及其对采购供应提出的新要求,结合前人的研究成果,构建了供应商选择评价指标体系,并对这些指标的内涵进行了分析。考虑到供应商选择指标之间呈现出复杂的非线性关系,而诸多的评价方法中,唯有人工神经网络具有独特的非线性适应性信息处理能力,据此论文以此为工具,运用前向神经网络中的BP神经网络设计了一套算法,并基于该算法建立了供应商选择评价模型,最后进行了实例分析。结果表明,运用这一评价模型来选择应商,能较好地避免其他方法人为计取权值和相关系数过程中的主观影响和不确定性,选择的结果比...

把交叉模型的评价结果设定为样本的期望值,将BP神经网络和交叉评价模型有机结合起来,构建了物流供应商选择模型。以2006年22家上市物流供应商的数据为样本进行了研究。该方法从统计数据出发,避免了主观因素对评价结果的影响,使物流供应商选择结果具有相对客观性。实例表明,该选择模型能够确定出备选物流供应商的评价等级和大小,为物流供应商的选择提供了一种新方法。

为了克服PCA(主成分分析)和BP神经网络这两种现有的供应商选择方法的缺陷,提出PCA-BP神经网络方法,对该方法的实施过程进行了系统研究,并利用某包装企业J合作过的30家供应商的历史评价数据进行了实例分析。该方法可在短时间内得到各供应商评价的预测结果,且其与专家评分的误差均在5%以内。同时,PCA-BP神经网络方法相对于传统BP神经网络方法具有更快的收敛速度、更强的泛化能力以及更好的学习稳定性。

构建了绿色供应链下的供应商选择评价指标体系,并根据粗糙集和BP神经网络的理论和方法,建立了基于粗糙集和BP神经网络的供应商评价选择模型。结合一个供应商选择实例,结果表明,运用这一混合评价模型来选择供应商,既提高了训练数据表达的清晰度,同时还能避免其他方法人为计取权值和相关系数的主观影响和不确定性,选择的结果比较客观、科学。

由于测量供应商风险的数据通常是由非线性特征构成的时间序列,传统BP神经网络方法会在预测分析时产生较大偏差。文章提出一种动态协同神经网络(DSNN)算法,该算法通过原型模式向量与试验模式向量间的相似性,动态地选取合适的注意参数,在演化过程中对误识别的模式进行自适应纠正,以相邻四个月的风险评价值作为网络的输入,并建立基于DSNN的供应商风险预测模型,对未来三个月的风险评价值进行预测,与BP算法进行对比,实验表明DSNN算法预测精度显著提高,从而证实了DSNN的有效性。

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。

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。

目前招标单位采取的资格预审通常都是简单的筛选出有资质合格的投标单位,而把反向竞拍这种新机制引入到招投标中就需要在资格预审阶段对这些合格的招标单位进行排序。本文在分析资格预审指标的基础上,建立了层次分析法(AHP)与人工神经网络(ANN)纵向结合的综合评审数学模型,并通过算例验证该方法在电力工程货物采购资格排名中的应用。

动态供应链绩效评价是一个包含多个指标输入输出的复杂评估系统,各绩效指标具有模糊性、不确定性,绩效指标数量较多,彼此之间存在非线性关联性。针对这样一个复杂的评估系统,本文讨论利用神经网络技术来对动态供应链绩效进行综合评价。本文首先介绍了人工神经网络的基本概念。针对供应链绩效的五维平衡计分卡模型,利用BP神经网络(Back Propagation NeuralNetwork,BP网络)来对供应链综合绩效评价结果进行学习和预测,文中我们详细讨论了供应链绩效评价中BP网络的学习过程和存在的问题,并给出了仿真结果。计算实例表明本文提出的动态供应链绩效评价模型是合理、有效的,能够为供应链的合理分析和决策制...

随着资本市场的不断发展,会计信息对扩大市场规模、增强投资者信心的作用越来越重要。会计信息被广泛应用的同时,会计信息失真、财务舞弊等现象频频出现,严重影响了整个资本市场的健康发展。因此,如何准确、客观评价会计信息质量已经成为资本市场亟需解决的问题。针对上述问题,本文结合盈余质量、深交所披露质量和审计质量对会计信息质量进行评分,通过分析会计信息质量各影响因素选取了11个指标,在此基础上引入BP神经网络构建会计信息质量评价模型,并对模型进行训练和测试,以期为会计信息质量评价提供新思路。

在云计算蓬勃发展的今天，云服务呈现飞跃式发展，如何从大量功能类似但服务质量各异的云服务中选择最佳云服务已成为企业用户面临的首要问题。本文以企业需求和云服务特征为切入点，构建了云服务质量评价指标体系，建立了ＢＰ神经网络云服务质量评价模型。实证研究结果表明：网络输出与期望输出之间的误差可以达到目标要求，评价模型具有较高的可行性和合理性，能够为企业用户选择最佳云服务提供决策参考和建设性意见。

文章试图在已有研究的基础上,综合考虑城市人居环境的内涵,在国内首次将遗传算法全局寻优和BP神经网络局部寻优相结合的改进神经网络模型应用在人居环境评价中,并对中国35个主要城市人居环境质量进行定量判定,揭示城市人居环境现状及各城市在国内人居环境中的相对水平。结果表明该模型取得了令人满意的结果,是一种有效的评价方法。

供应商在交货、质量及库存等方面严重制约着下游企业,其绩效对下游企业的影响越来越大。对供应商绩效进行有效评估是现代企业在信息化及全球化市场竞争中得以生存的重要保障。为了对供应商的绩效进行有效评估,提出了一种面向不完全信息的基于神经网络和数据包络分析的评估方法。本方法首先识别需要考虑的评估标准,然后根据历史数据及专家意见训练神经网络;供应商的最终评估将由数据包络分析完成,并获取神经网络的最终结果。仿真实例表明了本方法的可用性、可行性和正确性。本方法可极大丰富、完善和充实不完全信息环境下供应商的评估方法与现实应用。