论文研究概率神经网络信用评价模型及预警研究.pdf

深度神经网络中的多目标稀疏学习模型，刘嘉，公茂果，深度神经网络是一种具有复杂结构和较深层次的神经网络模型,其强大的数据表示和建模能力使其在各类应用中发挥了巨大的作用.稀疏理�

对统计数据的散度情况，即数据变异指标，进行了说明，变异指标可以使我们对数据的总体特征有更进一步的了解，进而对数据的分布情况有所了解，变异指标对发现数据中的离群数据有一定的作用。作者使用变异指标对基于偏

针对Elman神经网络模型，通过引入时间权重与随机性因素，提出了改进的Elman神经网络模型，提高了现有Elman神经网络针对时序数据预测的精度。提出了基于时序数据的特征学习框架，可评估多个特征参数对

基于RBF神经网络的非线性回归模型，黄涛，，RBF神经网络即径向基函数神经网络是一种高效的前馈式神经网络，它具有其他前向网络所不具有的最佳逼近性能和全局最优特性，并且结

针对当前卷积神经网络（Convolutional Neural Networks，CNN）模型通常将网络最后一层的输出作为特征表示，未能充分利用网络中间层的不足，提出了一种联合中间层的CNN模型（In

机器人远程控制随着互联网技术的发展逐渐成为目前的研究热点，它具有广泛的应用前景。由于互联网复杂性所带来的时延问题以及由此产生的安全问题是机器人远程控制的关键问题。设计和实现了一个基于互联网的机器人实时

提出了一种基于概率神经网络和K-L散度的样例选择算法。该算法利用概率神经网络估计训练样例的概率分布，利用K-L散度作为启发式来进行样例选择，用该方法选出的样例大多分布在分类边界附近。与五个著名的样例选

论文研究-基于Logit与SVM的银行业信用风险预警模型研究.pdf,  本文以银行业金融机构大额授信风险及零售贷款违约风险

新型LeNet-FC卷积神经网络模型算法的研究.pdf

洪灾灾情预测是保险公司财产保险防灾减损工作的重要内容，它有效地预测出受灾的地区和强度，对于财产 保险的费率制定、有效预防、及时施救和防灾预案编制有举足轻重的指导意义