1 绪论 1
1.1 引言 1
1.2 神经网络研究综述 1
1.2.1 神经网络发展历程 1
1.2.2 神经网络原理 2
1.2.3 神经网络应用领域 3
1.2.4 神经网络研究方向 3
1.3 本书主要内容 4
1.4 本书创新之处 7
参考文献 7
2 神经网络与优化算法理论 9
2.1 神经网络理论 9
2.1.1 BP神经网络 9
2.1.2 SOM神经网络 10
2.1.3 GRNN神经网络 12
2.2 优化算法理论 13
2.2.1 遗传算法 13
2.2.2 粒子群算法 14
2.2.3 思维进化算法 15
2.2.4 灰色系统理论 17
参考文献 17
第1篇 工业技术经济篇 21
3 PSO-BP模型在工业技术创新环境影响因素研究中的应用 21
3.1 引言 21
3.2 变量和数据 22
3.2.1 变量选择 22
3.2.2 数据来源及处理 22
3.3 模型构建 23
3.3.1 MIV算法 23
3.3.2 PSO-BP模型 23
3.4 实证结果 25
3.4.1 总体分析 25
3.4.2 区域差异分析 26
3.4.3 变动趋势分析 28
3.5 结论与建议 29
参考文献 30
4 GA-BP模型在区域工业技术创新能力评价中的应用 33
4.1 引言 33
4.2 指标设计 33
4.3 模型构建 34
4.3.1 BP神经网络 34
4.3.2 遗传算法 35
4.3.3 GA-BP模型 35
4.4 实证分析 36
4.4.1 数据来源 36
4.4.2 多重共线性检测 36
4.4.3 变量基因编码 37
4.4.4 权值和阈值优化 37
4.4.5 仿真对比测试 38
4.5 结论 40
参考文献 41
5 GRNN模型在工业技术创新水平预测中的应用 43
5.1 引言 43
5.2 指标设计 44
5.3 GRNN模型 46
5.4 实证分析 46
5.4.1 数据来源及预处理 46
5.4.2 模型训练和交叉验证 47
5.4.3 仿真对比预测 47
5.5 结论 50
参考文献 51
6 聚类分析在区域工业企业技术创新能力评价中的应用 53
6.1 研究综述 53
6.1.1 评价指标 53
6.1.2 评价方法 53
6.2 指标设计 54
6.3 实证分析 54
6.3.1 数据获取 54
6.3.2 因子分析 55
6.3.3 聚类分析 59
6.4 结论 60
6.5 建议 61
参考文献 62
7 京津冀区域协同发展中河北省工业企业技术创新能力研究 63
7.1 研究综述 63
7.2 评价指标 64
7.3 研究方法 64
7.3.1 熵权法 64
7.3.2 灰色关联度分析 65
7.4 实证分析 67
7.4.1 实证结果 67
7.4.2 结果分析 68
7.5 结论 69
参考文献 69
第2篇 农业技术经济篇 73
8 GR-HC模型在河北省农民收入影响因素研究中的应用 73
8.1 引言 73
8.2 农民收入结构 74
8.2.1 农民收入来源 74
8.2.2 农民收入结构 74
8.3 模型构建 75
8.3.1 灰色关联度分析 75
8.3.2 计算步骤 75
8.4 实证分析 76
8.4.1 数据来源 76
8.4.2 收入来源分析 76
8.4.3 行业影响分析 78
8.4.4 经营形式影响分析 79
8.5 结论与对策 80
8.5.1 结论 80
8.5.2 对策 81
参考文献 82
9 SOM神经网络在河北省农村经济结构差异研究中的应用 83
9.1 农村经济结构 84
9.2 研究方法 84
9.3 实证分析 85
9.3.1 数据来源及结构化处理 85
9.3.2 分类结果 85
9.3.3 行业结构差异 87
9.3.4 经营结构差异 88
9.4 结论与讨论 88
参考文献 89
10 GM-SOM模型在河北省农民收入结构地区差异研究中的应用 91
10.1 引言 91
10.2 农民收入结构 92
10.3 研究方法 93
10.3.1 数据来源 93
10.3.2 灰色模型 93
10.3.3 GM-SOM神经网络 94
10.4 结果与分析 95
10.4.1 计算灰色关联度矩阵 95
10.4.2 SOM神经网络聚类结果 96
10.4.3 行业结构分析 98
10.4.4 经营结构分析 99
10.5 建议 100
参考文献 101
11 信息粒化和PSO-SVR模型预测棉花价格波动区间和变化趋势 103
11.1 引言 103
11.2 模型构建 104
11.2.1 模糊信息粒化模型 104
11.2.2 粒子群优化算法参数寻优 104
11.2.3 SVM模型 105
11.2.4 预测流程 106
11.3 实证分析 106
11.3.1 数据来源 106
11.3.2 模糊信息粒化 106
11.3.3 SVM模型粒化数据回归预测 107
11.3.4 预测效果验证 110
11.4 结论 111
参考文献 111
12 GA-BP模型在农业机械化水平影响因素研究中的应用 114
12.1 引言 114
12.2 变量选择、数据与模型构建 115
12.2.1 变量选择 115
12.2.2 数据来源及处理 117
12.2.3 模型构建 118
12.3 结果与分析 118
12.3.1 总体分析 118
12.3.2 区域影响分析 119
12.3.3 变动趋势分析 121
12.4 结论与建议 121
参考文献 124
13 遗传算法在河北省农村剩余劳动力转移影响因素研究中的应用 126
13.1 引言 126
13.2 变量与数据 127
13.2.1 因变量 127
13.2.2 自变量 127
13.2.3 数据来源及归一化处理 128
13.3 研究方法 129
13.4 结果与分析 131
13.4.1 模型构建 131
13.4.2 运行结果与分析 132
13.5 建议 133
参考文献 134
第3篇 其他技术经济篇 139
14 思维进化算法优化的灰色神经网络模型 139
14.1 引言 139
14.2 灰色神经网络 139
14.3 思维进化算法优化灰色神经网络模型 141
14.3.1 思维进化算法原理 141
14.3.2 思维进化算法优化灰色神经网络模型 141
14.4 模型应用 143
14.4.1 数据来源及灰化处理 143
14.4.2 仿真对比结果 144
14.5 结论 146
参考文献 147
15 熵权TOPSIS指数在河北省民生质量评价中的应用 149
15.1 引言 149
15.2 指标体系构建 149
15.2.1 研究现状 149
15.2.2 指标体系构建 149
15.3 研究方法 151
15.3.1 熵权法 151
15.3.2 TOPSIS法原理 152
15.4 实证研究 153
15.4.1 数据来源 153
15.4.2 河北省民生质量评价 153
15.4.3 河北省民生质量分析 155
15.5 结论 158
参考文献 159
附录A 工业技术经济技术指标数据 160
附录B 农业技术经济技术指标数据 183
附录C 其他技术经济技术指标数据 198