- 年份
- 2024(5687)
- 2023(8294)
- 2022(7126)
- 2021(6826)
- 2020(5798)
- 2019(13395)
- 2018(13236)
- 2017(25431)
- 2016(13462)
- 2015(15041)
- 2014(14664)
- 2013(13889)
- 2012(12515)
- 2011(10969)
- 2010(10483)
- 2009(9094)
- 2008(8650)
- 2007(7177)
- 2006(5722)
- 2005(4601)
- 学科
- 济(52269)
- 经济(52215)
- 管理(38653)
- 业(36453)
- 企(31008)
- 企业(31008)
- 方法(29752)
- 数学(26600)
- 数学方法(26125)
- 财(13345)
- 农(12560)
- 中国(11285)
- 业经(11256)
- 学(10541)
- 贸(9581)
- 贸易(9580)
- 易(9348)
- 理论(9287)
- 务(9204)
- 财务(9160)
- 财务管理(9141)
- 技术(8804)
- 企业财务(8650)
- 农业(8487)
- 和(8064)
- 地方(8034)
- 制(7606)
- 环境(7567)
- 划(7031)
- 银(6668)
- 机构
- 大学(182747)
- 学院(181640)
- 管理(75631)
- 济(71541)
- 经济(70241)
- 理学(67144)
- 理学院(66433)
- 管理学(64989)
- 管理学院(64635)
- 研究(53863)
- 中国(39221)
- 京(36675)
- 科学(34279)
- 财(31557)
- 业大(27605)
- 农(27214)
- 财经(26758)
- 中心(26506)
- 江(24917)
- 所(24880)
- 经(24623)
- 范(23608)
- 师范(23337)
- 研究所(23309)
- 经济学(22479)
- 北京(21679)
- 农业(21580)
- 经济学院(20587)
- 财经大学(20494)
- 院(20149)
- 基金
- 项目(135754)
- 科学(109133)
- 基金(101796)
- 研究(97198)
- 家(88985)
- 国家(88320)
- 科学基金(77824)
- 社会(62949)
- 社会科(59824)
- 社会科学(59809)
- 基金项目(54502)
- 省(52376)
- 自然(52118)
- 自然科(51027)
- 自然科学(51011)
- 自然科学基金(50101)
- 教育(46175)
- 划(44506)
- 资助(40994)
- 编号(38424)
- 部(30636)
- 重点(30576)
- 成果(29340)
- 创(29163)
- 发(27979)
- 创新(27276)
- 科研(26972)
- 国家社会(26848)
- 教育部(26752)
- 人文(25949)
共检索到239286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] 统计研究
[作者]
王小燕 冮建伟 姚欣悦
多分类问题涉及信用风险管理、股票走势预测等多个领域。深度神经网络（DNN）是常用于多分类预测的机器学习模型，然而输入特征维度较高且存在冗余信号时，将加重其可解释性不强和结构冗余等缺陷；同时，常用的Softmax损失也可能面临分类边界模糊导致预测效果不佳等问题。为此，本文针对多分类问题，提出一个新的深度神经网络CMCP-LMCL，利用CMCP变量选择方法压缩输入特征到第1隐藏层的权重。该方法融合权重的组结构，能够剔除无关特征以及不重要的连接；同时，对特征层之外的权重施加权重衰减L2惩罚，有利于改进过拟合问题。新方法的增强边缘余弦损失（LMCL）在Softmax基础上引入扩大参数和距离参数，增大分类决策边界的间隔以期提高分类预测性能。模拟分析表明，对比已有DNN和传统分类方法，无论特征以简单线性形式还是复杂非线性形式映射到因变量，本文所提出的方法均具有良好的特征选择性能和预测表现。基于信用贷款数据的实证分析表明，该方法能够有效选择风险指标并进行违约风险预警。
[期刊] 数量经济技术经济研究
[作者]
王小燕 冮建伟 徐龙滔
二分类问题在经济领域十分常见，深度神经网络(DNN)是现有最为常用的分类方法之一。然而在处理高维特征数据时，DNN仍然面临着巨大的挑战。为此，本文基于CMCP和余弦间隔交叉熵损失建立了一个新的深度神经网络(CMCP-CMDNN),它既实现高维输入特征的筛选，又改进分类预测能力。其中，CMCP方法用于压缩输入特征到第1隐藏层的权重，通过融合权重的组结构，能够剔除无关特征以及不重要的连接。余弦间隔交叉熵损失函数可以增大判别边界的间隔，提高分类准确率和稳健性。为了求解模型，本文基于局部线性近似(LLA)和近端梯度下降算法估计参数。模拟分析表明，对比已有DNN和分类方法，所提出的方法具有良好的特征选择性能和预测表现。信用贷款违约风险实证研究表明，该方法能够有效选择风险指标并进行违约风险预警。本文拓展了深度神经网络的理论研究，为高维复杂交互作用的大数据建模提供新思路，为解决金融、管理、生物等领域的分类问题提供有力的分析工具。
[期刊] 清华大学学报(自然科学版)
[作者]
刘琼 李宗贤 孙富春 田永鸿 曾炜
针对基于卷积神经网络的图像识别采用随机初始化网络权值的方法易收敛到局部最优值的问题,该文提出了一种结合无监督和有监督学习的网络权值预训练算法。融合零成分分析白化与深度信念网络预学习得到的特征,对卷积神经网络权值进行初始化;通过卷积、池化等操作,对训练样本进行特征提取并使用全连接网络对特征进行分类;计算分类损失函数并优化网络参数。在公开图像数据库中进行了大量实验,与公开最佳算法比较,该算法在MNIST中的识别错误率降低了0.1%,在Caltech101中的分类准确率提升了0.56%,验证了该算法优于现有算法。
关键词：
深度信念网络 图像识别 卷积神经网络
[期刊] 经济管理
[作者]
万映红 申杨
本文从价值客户管理角度出发,建立了一种基于聚类——神经网络的客户价值分类模型。阐述了客户价值分析与评价指标设计、分类建模原理与网络学习算法选择、网络学习的前导原理与聚类算法、建模流程设计,并以某地区小灵通客户价值分类预测模型的使用及客户管理策略为应用实例。提出了研究的框架与方法,为企业客户价值管理决策系统的开发提供了重要模型依据。
关键词：
客户价值 分类模型 神经网络 聚类分析
[期刊] 技术经济与管理研究
[作者]
孙建英 石晓军 袁秀清
[期刊] 中央财经大学学报
[作者]
方先明 熊鹏 张谊浩
为克服商业银行信用风险评价中所遇到的模糊综合评判失效及警限确定的难题,通过能量极小点的设计,利用Hopfield神经网络记忆与联想功能,建立基于Hopfield神经网络的风险评价模型。将其应用于信用风险评价,网络运行结果可以反映信用风险的当前状态。研究还表明,该模型能在一定程度上反映样本数据的数字特征,适合于信用风险的评价,但其评价能力受记忆容量及样本差异的影响。
[期刊] 技术经济
[作者]
朱双东 赵建国
[期刊] 建筑经济
[作者]
陈惠娥 陈长征
本文就招标活动中存在的专家评标时随意性大的问题,从招标活动的关键性环节—评标方法着手,针对建设工程的不同特点,对评标内容进行分类剖析,利用人工神经网络的智能识别功能,建立基于神经网络的评标方法。应用该方法可以科学地评价多因素建设工程投标方案。
关键词：
投标方案 评标 神经网络
[期刊] 情报学报
[作者]
尹锋 林亚平
人工神经网络是一门近年来得到迅速发展的理论，它是人工智能的重要分支学科。本文从分析神经网络的基本特征和信息处理能力以及情报业务问题入手，论述了情报神经网络的设计原理与方法，提出了情报神经网络模型，并以存贮检索和文献自动分词为例，阐述了情报神经网络的设计与应用等基本问题、作者希望在情报科学领域引入神经网络技术，以加速情报业务的智能化、自动化进程。
关键词：
神经网络,情报科学,计算机应用
[期刊] 图书情报工作
[作者]
朱娜娜 景东 薛涵
［目的 ／意义］微博作为一种新兴的社交媒体平台，被互联网用户广泛关注。微博数据中包含着大量的用户信息、用户行为及用户生成内容，基于微博内容自动识别图书名有利于分析用户阅读兴趣、收集用户对图书的评价和挖掘图书相关知识。［方法 ／过程］基于微博的数据特点，提出一种基于深度神经网络的表示学习方法，利用微博中候选图书名的上下文连续向量化表示，实现微博内容中的图书名自动识别。［结果 ／结论］实验结果表明，所提出的方法显著优于传统基于特征工程的有指导机器学习方法，并达到９１．９２％的精确率。
关键词：
图书名识别 神经网络 深度学习 微博
[期刊] 物流技术
[作者]
姚志英 王成林 姚滢滢
设计了一种物品检测深度卷积神经网络,应用于物流分拣传输过程中物品检测。分析了深度卷积神经网络的结构及其在图像特征提取和信息降维方面的作用;设计了由卷积层、池化层、激活函数层和全连接网络层组成的物品检测深度卷积神经网络;构建了由300幅图像和标注结果组成的样本库,抽取60%的样本作为网络训练样本集,其余40%样本平均分成两组,其中一组作为网络训练过程中验证样本,另一组作为对训练好网络进行性能验证的测试样本;在设定网络参数的基础上进行网络的训练和测试;通过分析网络训练过程中各层的输出,发现所设计的网络可以很好地实现图像中所含物品特征的检测;网络训练过程验证精度可达100%,测试正确率可达98.33%。由此可知深度卷积神经网络性能良好,可用于物流分拣生产中的物品检测。
[期刊] 图书情报工作
[作者]
余传明
[目的 /意义]通过在标注资源丰富的源领域(Source Domain)中学习,并将目标领域(Target Domain)的文档投影到与源领域相同的特征空间(Feature Space)中去,从而解决目标领域因标注数据量较小而难以获得好的分类模型的问题。[方法 /过程]选择亚马逊在书籍、DVD和音乐类目下的中文评论作为实验数据,以跨领域情感分析作为研究任务,提出一种跨领域深度循环神经网络(Cross Domain Deep Recurrent Neural Network,CD-DRNN)模型,实现不同领域环境下的知识迁移。CD-DRNN模型在跨领域环境下的平均分类准确度达到了81. 70%,优于传统的栈式长短时记忆网络(Stacked Long Short Term Memory,Stacked-LSTM)模型(79. 90%)、双向长短时记忆网络模型(Bidirectional Long Short Term Memory,Bi-LSTM)模型(80. 50%)、卷积神经网络长短时记忆网络串联(Convolution Neural Network with Long Short Term Memory,CNN-LSTM)(74. 70%)模型以及卷积神经网络长短时记忆网络并联(Merged Convolution Neural Network with Long Short Term Memory,Merged-CNNLSTM)模型(80. 90%)。[结果 /结论]源领域和目标领域的知识迁移能够有效解决监督学习在小数据集上难以获得好的分类效果的问题,通过CD-DRNN模型能够从无标注数据中有效地筛选特征,从而大大降低目标领域数据标注相关的工作量。
[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
文献操作()
导出元数据
文献计量分析
导出文件格式：WXtxt
删除
