bp神经网络模型论文参考文献

bp神经网络模型论文参考文献

最初是86年，Rumelhart和McCelland领导的科学家小组在《平行分布式处理》一书中，对具有非线性连续变换函数的多层感知器的误差反向传播BP算法进行了详尽的分析，实现了Minsky关于多层网络的设想。一般引用的话，无需引用第一篇，只需引用介绍BP网络的文献即可。最开始的文献往往理论不完善。反而阅读意义不大。

【题 名】试谈企业税务会计的几个问题 【作 者】申延令 【刊 名】特区经济.2005(7): 266-267 2/100 【题 名】现代报业经营管理建立税务会计的几点思考 【作 者】林苹 【刊 名】集团经济研究.2005(08X): 201-201 3/100 【题 名】试论财务会计与税务会计的分离问题 【作 者】唐立群 【刊 名】林业科技情报.2005,37(2): 75-76 4/100 【题 名】浅析税务会计 【作 者】李新燕 【刊 名】商场现代化.2005(09X): 156-157 5/100 【题 名】浅议企业税务会计的必要性 【作 者】黄玲 【刊 名】江苏商业会计.2005(5): 42-44 6/100 【题 名】浅析税务会计 【作 者】李家华 【刊 名】会计之友.2005(06B): 45-46 7/100 【题 名】设置税务会计学科的依据与选择 【作 者】侯伟[1] 陈启英[2] 程风雷[3] 【刊 名】税务研究.2005(8): 96-97 8/100 【题 名】我国建立税务会计的必要性 【作 者】叶桦 【刊 名】事业财会.2005(4): 49-51 9/100 【题 名】企业设置专职税务会计的可行性探讨 【作 者】陈四平 【刊 名】电子财会.2005(8): 62-63 10/100 【题 名】税务会计与财务会计的差异分析 【作 者】丁宏新 【刊 名】集团经济研究.2005(07X): 142-143 11/100 【题 名】试论财务会计与税务会计的分离 【作 者】夏继云 【刊 名】江苏企业管理.2005(7): 25-26 12/100 【题 名】建立税务会计制度的现实意义 【作 者】滕波 【刊 名】上海商学院学报.2005,6(2): 22-24,62 13/100 【题 名】《税务会计》课程教学改革初探 【作 者】李勤 【刊 名】南方农村.2005(3): 51-53 14/100 【题 名】对我国税务会计研究若干焦点问题的思考 【作 者】徐丽盈 【刊 名】莆田学院学报.2005,12(3): 20-23 15/100 【题 名】对建立我国企业税务会计的思考 【作 者】汪冰 【刊 名】经济师.2005(6): 240-241 16/100 【题 名】中日税务会计的比较及启示 【作 者】弓锋伟 段敏生 刘总理 【刊 名】现代企业.2005(5): 63-63 17/100 【题 名】税务会计教学内容改革初探 【作 者】刘海英 【刊 名】芜湖职业技术学院学报.2005,7(1): 79-80 18/100 【题 名】企业建立和应用税务会计浅议 【作 者】庞少春 【刊 名】辽宁税务高等专科学校学报.2005,17(3): 43-44 19/100 【题 名】我国建立税务会计的理性思考 【作 者】魏朱宝 【刊 名】税务研究.2005(5): 90-92 20/100 【题 名】《税务会计》拨开纳税“乌云” 【作 者】杨珺 【刊 名】中国总会计师.2005(1): 99-99 21/100 【题 名】也谈增值税转型和税务会计处理 【作 者】王东友 【刊 名】财会通讯.2005(3): 36-36 22/100 【题 名】构建流转税和所得税并重的税务会计模式 【作 者】叶建芳[1] 夏晨华[2] 【刊 名】税务研究.2005(3): 90-92 23/100 【题 名】税务会计与财务会计之统分与信息披露的客观性 【作 者】薛智慧[1] 张颖华[2] 【刊 名】辽宁税务高等专科学校学报.2005,17(2): 33-35 24/100 【题 名】企业存货损失的税务会计处理 【作 者】徐意 【刊 名】天津经济.2005(3): 76-76 25/100 【题 名】管理会计、成本会计和税务会计 【作 者】刘钟 【刊 名】中国乡镇企业会计.2005(3): 6-7 26/100 【题 名】论建立税务会计的客观必然性 【作 者】吴晓冰 【刊 名】福建金融管理干部学院学报.2005(1): 40-42,51 27/100 【题 名】小企业更应重视税务会计 【作 者】钟宏涛 【刊 名】企业家信息.2005(3): 57-57 28/100 【题 名】有关税务会计的定义及纳税主体问题的探讨 【作 者】王新萍 【刊 名】事业财会.2005(1): 40-41 29/100 【题 名】税务会计模式的国际比较及我国税务会计模式的完善 【作 者】周仕雅[1] 刘凌雷[2] 【刊 名】涉外税务.2005(1): 55-58 30/100 【题 名】财务会计与税务会计的分离在ERP系统中的实现 【作 者】陈敏 【刊 名】中国管理信息化.2005(1): 23-25 31/100 【题 名】谈企业建立税务会计的必要性 【作 者】曹姝[2] 李秀娟[1] 【刊 名】商贸与会计.2005(1): 22-24 32/100 【题 名】对税务会计兴起的思考之我见 【作 者】徐继红 【刊 名】财政监督.2005(1): 63-64 33/100 【题 名】浅谈电子商务对税务会计的影响 【作 者】蔡永灿 【刊 名】商业时代.2004(33): 68-69 34/100 【题 名】建立我国税务会计应注意的几个问题 【作 者】曹设 汤斌 【刊 名】涉外税务.2004(10): 68-70 35/100 【题 名】企业税务会计可行性研究 【作 者】郭淑霞 【刊 名】创新科技.2004(2): 49-50 36/100 【题 名】对企业债务重组中的税务会计处理及其纳税筹划的思考 【作 者】毛夏鸾 【刊 名】商业会计.2004(6): 18-20 37/100 【题 名】企业税务会计探析 【作 者】王碧秀 【刊 名】经济师.2004(6): 200-200,202 38/100 【题 名】浅析电子商务对现行税务会计的影响 【作 者】阎伟 【刊 名】财政监督.2004(2): 51-52 39/100 【题 名】企业税务会计独立设置的思考 【作 者】姜霞 熊丰萍 【刊 名】税收征纳.2004(1): 33-34 40/100 【题 名】浅淡财务会计与税务会计分离的必然性 【作 者】张煜钧 【刊 名】商场现代化.2004(12): 34-34 41/100 【题 名】《税务会计》课程和《税法》课程的整合问题研究 【作 者】姚爱科 【刊 名】中国科学教育.2004(11): 44-45 42/100 【题 名】试论构建税务会计体系的重要意义 【作 者】耿琴 【刊 名】华夏星火.2004(8): 45-48 43/100 【题 名】会计准则的全球趋同与税务会计模式的动态分析 【作 者】叶建芳 【刊 名】税务研究.2004(11): 60-62 44/100 【题 名】论我国税务会计与财务会计的适度分离 【作 者】王华明 【刊 名】税务研究.2004(11): 62-64 45/100 【题 名】试论建立税务会计的客观必然性 【作 者】陈茸 【刊 名】重庆大学学报：社会科学版.2004,10(6): 38-40 46/100 【题 名】浅议企业税务会计的特点及作用 【作 者】钟勇 金道强 【刊 名】中国税务.2004(10): 20-20 47/100 【题 名】关于税务会计核算的几个问题 【作 者】杨家穆 【刊 名】财会通讯.2004(11): 53-53 48/100 【题 名】企业财务会计与税务会计分离初议 【作 者】白林 【刊 名】铁道财会.2004(0Z6): 94-97 49/100 【题 名】税务会计调整核算的特点浅见 【作 者】邓中华 【刊 名】财会月刊.2004(10A): 26-27 50/100 【题 名】浅析我国税务会计体系的发展 【作 者】金萍 何秧儿 王荷琴 【刊 名】宁波广播电视大学学报.2004,2(3): 21-22,92 51/100 【题 名】税务会计在税务筹划中的作用探析 【作 者】卢强 【刊 名】中国注册会计师.2004(9): 51-53 52/100 【题 名】税务会计刍议 【作 者】姚春红 【刊 名】达县师范高等专科学校学报.2004,14(5): 115-117 53/100 【题 名】浅析税务会计与财务会计的分离问题 【作 者】薛智军[1] 张继锋[2] 【刊 名】中国高教论丛.2004,26(2): 72-73 54/100 【题 名】谈税务会计与财务会计分离的必然性及现实意义 【作 者】周亚蕊 【刊 名】会计之友.2004(8): 68-69 55/100 【题 名】企业税务会计初探 【作 者】蒋惠萍[1] 陶瑗[2] 【刊 名】泰州职业技术学院学报.2004,4(3): 72-74 56/100 【题 名】浅议税务会计与财务会计 【作 者】余巍巍 【刊 名】建材财会.2004(3): 60-61 57/100 【题 名】论税务会计的定位及其发展 【作 者】田伟若 【刊 名】会计之友.2004(6): 61-61 58/100 【题 名】我国税务会计与财务会计的分离初探 【作 者】于振亭 贾丽 【刊 名】财会月刊.2004(06A): 16-17 59/100 【题 名】税务会计案例教学法浅见 【作 者】姜雅净 【刊 名】职业技术.2004(2): 51-51 60/100 【题 名】浅谈税务会计与财务会计分离的必要性 【作 者】高红玉 【刊 名】会计之友.2004(4): 57-58 61/100 【题 名】企业会计与税务会计关系协调问题的探讨 【作 者】王庆保 【刊 名】中华会计学习.2004(3): 24-26 62/100 【题 名】浅析税务会计的学科特征 【作 者】徐淑杰 【刊 名】吉林会计.2003(12): 40-41 63/100 【题 名】税务会计与财务会计适度分离势在必然 【作 者】马洪刚 姜云峰 【刊 名】税务（辽宁）.2003(6): 26-27 64/100 【题 名】从世界两大税务会计模式探析我国所得税会计——我国所得税会计与国际惯例的比较 【作 者】周萍华 【刊 名】电子科技大学学报：社会科学版.2003,5(4): 12-15 65/100 【题 名】浅谈建立税务会计体系的必要性 【作 者】秦俊秀 【刊 名】内蒙古财会.2003(5): 35-35 66/100 【题 名】税务会计与财务会计之比较 【作 者】周松 【刊 名】西部财会.2003(11): 54-55 67/100 【题 名】税务会计与财务会计分立刍议 【作 者】魏秀琪 【刊 名】天津财会.2003(4): 25-26 68/100 【题 名】论税务会计的核算基础及其改进 【作 者】任坐田 【刊 名】税务与经济.2003(6): 62-65 69/100 【题 名】税务会计的国际比较及借鉴 【作 者】蒋晓蕙 刘广洋 【刊 名】涉外税务.2003(11): 48-51 70/100 【题 名】售后回购的税务会计处理 【作 者】邢风云 【刊 名】财会研究（甘肃）.2003(11): 32-32 71/100 【题 名】浅析我国企业建立税务会计的必要性 【作 者】程梅英 【刊 名】浙江统计.2003(3): 23-24 72/100 【题 名】企业设置税务会计岗位加强纳税筹划工作研究 【作 者】黄乃宽 【刊 名】广西会计.2003(8): 19-21 73/100 【题 名】刍议税务会计 【作 者】石海磊 【刊 名】四川会计.2003(1): 16-18 74/100 【题 名】企业税务会计独立的理论分析 【作 者】张皓[1] 张彩花[2] 【刊 名】生产力研究.2003(2): 289-290 75/100 【题 名】财务会计与税务会计在确定所得方面的差异 【作 者】杜秋红 【刊 名】中国审计.2003(9): 53-54 76/100 【题 名】论现代企业制度下税务会计与财务会计的分离 【作 者】柯树林 【刊 名】经济师.2003(6): 203-203 77/100 【题 名】税务会计的独立性思考 【作 者】周滟[1] 刘宇彤[2] 【刊 名】北京财会.2003(8): 23-25 78/100 【题 名】损益确认上财会会计与税务会计的差异 【作 者】郑永佩 【刊 名】企业经济.2003(6): 66-68 79/100 【题 名】刍议税务会计 【作 者】石海磊 【刊 名】上海会计.2003(4): 35-37 80/100 【题 名】几个发达国家税务会计模式 【作 者】张建 付代红 【刊 名】上海会计.2003(1): 49-50 81/100 【题 名】浅议税收会计、纳税会计与税务会计 【作 者】梁杰 史淑芹 等 【刊 名】商业研究.2003(1): 49-51 82/100 【题 名】刍议税务会计与财务会计的分离 【作 者】李雪征 【刊 名】经济论坛.2003(16): 80-80 83/100 【题 名】电子商务对税务会计的影响 【作 者】谢宇飞 【刊 名】鞍山社会科学.2003(4): 24-25 84/100 【题 名】对税务会计若干问题的探讨 【作 者】符桂珍 【刊 名】长沙民政职业技术学院学报.2003(1): 91-93 85/100 【题 名】对税务会计若干问题的探讨 【作 者】符桂珍[1] 邓中华[2] 【刊 名】湖南社会科学.2003(3): 114-116 86/100 【题 名】论税务会计与财务会计的分离 【作 者】陈云珍 【刊 名】湖北广播电视大学学报.2003,20(1): 77-79 87/100 【题 名】谈税务会计与财务会计分离的必要性 【作 者】郭郅琦[1] 司景丽[2] 邹军[2] 【刊 名】经济技术协作信息.2003(8): 12-12 88/100 【题 名】西方税务会计模式的比较与借鉴 【作 者】郄萌 【刊 名】天津财税.2003(3): 45-48 89/100 【题 名】浅析税务会计与财务会计的分离问题 【作 者】杨华 张贵贞 【刊 名】税务纵横.2003(1): 45-45 90/100 【题 名】对财务会计与税务会计分离的必然性的探讨 【作 者】郭冰 【刊 名】税收与企业.2003(4): 33-33,49 91/100 【题 名】税务会计呼唤分立 【作 者】潘辉 【刊 名】辽宁财税.2003(1): 28-29 92/100 【题 名】论企业单独设立税务会计的必要性 【作 者】杨爱芳[1] 彭曙峰[2] 【刊 名】天津市财贸管理干部学院学报.2003,5(3): 31-32 93/100 【题 名】试论我国税务会计的建立 【作 者】周松[1] 王爱农[2] 【刊 名】贵州税务.2003(6): 27-29 94/100 【题 名】税务会计——税务与会计的博弈 【作 者】黄学民 【刊 名】上海财税.2003(10): 26-28 95/100 【题 名】从增值税看财务会计与税务会计的差异 【作 者】张全胜 【刊 名】财会月刊.2003(05B): 36-37 96/100 【题 名】税务会计要素探微 【作 者】盖地 【刊 名】财会月刊.2003(01B): 9-9 97/100 【题 名】目前我国建立税务会计学科存在的问题及对策 【作 者】周京燕[1] 曹斌[2] 李彬[3] 【刊 名】经济研究参考.2003(64): 46-48 98/100 【题 名】关于财务会计与税务会计确认的差异 【作 者】王笑梅 李艳丽 【刊 名】齐齐哈尔大学学报：哲学社会科学版.2002(3): 35-36 99/100 【题 名】设立我国企业税务会计探析 【作 者】石中美 林楠 【刊 名】湖北审计.2002(9): 32-33 100/100 【题 名】论财务会计与税务会计在损益确定方面的区别 【作 者】梁伟祥 【刊 名】经济师.2002(12): 194-194,196

财务会计创新方法与措施

学术堂整理了五十多个网络会计论文参考文献供大家参考:网络会计论文参考文献一:[1]邢赢文. 基于BP神经网络的电子元件行业上市公司财务风险预警研究[D].辽宁师范大学,2015.[2]吕岳林. 基于时间阈值的SF公司快递超网络优化研究[D].燕山大学,2015.[3]林楠. O2O背景下传统零售业的盈利模式创新研究[D].中国海洋大学,2015.[4]崔欢欢. 公众网络诉求与政府会计信息质量相关性的实证研究[D].山东财经大学,2016.[5]吴小满. ST跨境电商企业物流运输成本控制研究[D].湘潭大学,2014.[6]周姣岚. 服务型制造业网络的成本控制及优化[D].广西科技大学,2015.[7]赵广坤. 可优宝贝网络商城融资方案研究[D].河北工业大学,2015.[8]赵圆. 电商网络融资模式优化及风险管控研究[D].北方工业大学,2016.[9]宋杨. 远程教育环境下多模式财务管理系统研究与应用[D].北京理工大学,2015.[10]钟文韬. 肉类加工企业销售物流成本问题研究[D].吉林大学,2016.[11]张婉婷. 我国P2P网络借贷平台内部风险控制机制研究[D].吉林大学,2016.[12]范超群. 芜湖市电子商务企业融资模式研究[D].安徽大学,2016.[13]汪灏. 中国P2P网络借贷平台财务风险研究[D].安徽大学,2016.[14]蔡翠. B2C网上超市成本管理研究[D].江苏大学,2016.[15]章锦华. J电子商务企业成本控制研究[D].江苏大学,2016.[16]张妍. 服装网络定制个性化服务成本及定价模型研究[D].上海工程技术大学,2016.[17]李佳琦. 电子商务下B2C企业会计收入确认时点研究[D].吉林财经大学,2016.[18]杨洁. 第三方互联网交易平台服务费定价机制研究[D].重庆理工大学,2016.[19]黄义成. CQ公司XBRL网络财务报告应用问题研究[D].西安石油大学,2016.[20]罗浩. O2O商业模式下的交易成本问题研究[D].兰州财经大学,2016.[21]张婷. "互联网+"神州租车的盈利模式及财务效果研究[D].兰州财经大学,2016.[22]陈沈升. 网络交易C2C模式的税收征管问题研究[D].黑龙江大学,2016.[23]钟明君. 高维因果网与高校资产管理的模糊推理研究[D].华南理工大学,2016.[24]文勇堂. 基于贝叶斯网络方法的通信设备企业财务风险预警研究[D].辽宁大学,2016.[25]徐文静. 电商环境下协同配送模式的协同效率及成本节约值分配研究[D].西南交通大学,2016.[26]陈维煌. 基于灰色神经网络的农业上市公司财务预警实证研究[D].湖南农业大学,2015.[27]苏伟. 市场竞争环境下供电企业购售电风险分析及应对研究[D].华北电力大学(北京),2016.[28]张文梦. C2C模式电子商务的税收征管问题与对策研究[D].首都经济贸易大学,2016.[29]纪彩峰. B2C电商零售企业成本控制研究[D].首都经济贸易大学,2016.[30]胡芳. 基于B2C模式下D电子商务企业内部控制研究[D].北京林业大学,2016.[31]熊亚楠. 电子商务平台企业价值创造驱动因素与传导机理研究[D].广西大学,2016.[32]何珊. 基于RBF神经网络的高端装备制造业财务风险预警研究[D].湖南大学,2016.[33]江楠. 考呀呀线上会计培训的品牌营销策略研究[D].江西师范大学,2016.[34]杨芬. 互联网金融对商业银行盈利能力及风险影响的实证研究[D].湖南大学,2016.网络会计论文参考文献二:[35]沈威. 互联网金融对商业银行盈利能力的影响研究[D].湖南大学,2015.[36]黄诚. 苏宁云商营运资金管理的OPM策略分析[D].安徽工业大学,2016.[37]戴宙松. P2P网络借贷相关会计核算问题研究[D].长安大学,2015.[38]贺书品. B2C电子商务经营模式下的W公司财务分析与评价[D].长沙理工大学,2015.[39]饶萌. 网络环境下差异化会计信息披露系统构建研究[D].长沙理工大学,2015.[40]李芳. 煤炭资源开发项目融资决策研究[D].中国矿业大学(北京),2016.[41]郝震. B2C电子商务企业盈利模式分析[D].河北经贸大学,2015.[42]彭菁菁. Black-Scholes与DCF模型在B2B商务企业价值评估中的互补应用[D].云南大学,2015.[43]张腾. 电子商务环境下的财务风险控制[D].云南大学,2015.[44]张美琳. 电子商务平台上的个体商铺价值评估[D].云南大学,2015.[45]高喆. 基于BP神经网络模型的制造业上市公司财务预警研究[D].北京交通大学,2015.[46]康爱冰. 中国第三方网络支付对商业银行盈利影响研究[D].北京交通大学,2015.[47]贺璐. 基于XBRL网络财务报告持续审计研究[D].山西财经大学,2015.[48]李祖福. 我国生物医药上市企业盈利能力评价研究[D].华南理工大学,2015.[49]樊华. 基于BP神经网络的矿业上市公司财务风险预警研究[D].中国地质大学(北京),2015.[50]安校良. 基于灰色神经网络的制造业上市公司财务危机预警研究[D].兰州大学,2015.[51]顾永明. 电子商务零售企业价值评估[D].昆明理工大学,2015.[52]邬蕊竹. 基于复杂网络的云会计AIS可信需求演化传播影响[D].重庆理工大学,2015.[53]陈诚. 基于复杂网络的云会计AIS产品可信性结构及其演化研究[D].重庆理工大学,2015.[54]王涛. 通信工程项目施工的成本管理[D].西安建筑科技大学,2015.[55]冯康进. 电网企业集团财务报表自动生成及数据挖掘应用研究[D].华北电力大学,2015.[56]李玉. 跨境电子商务创业企业绩效影响因素实证分析[D].江西师范大学,2015.

bp神经网络毕业论文范文

现在有很多网站专门提供范文的，都是按学科分类的，很容易找。你直接百度搜论文范文就可以找到相关网站

基于PID的锅炉温度控制系统设计 摘要:利用BP神经网络PID控制具有逼近任意非线性函数的能力,将神经网络PID与LabVIEW友好地人 机交互结合,实现对锅炉温度的控制.仿真结果表明,该系统具有更小的超调量,并且更快地到达需要的控制温 度. 关键词:BP神经网络;PID控制;温度控制 温度是锅炉生产蒸汽质量的重要指标之一,也是保证锅炉设备安全的重要参数.同时,温度是影响锅 炉传热过程和设备效率的主要因素.例如,在利用烟化炉对锌、铝冶炼过程中,如果温度过低,则还原速度 和挥发速度都会降低;但温度也不宜过高,否则在温度超过1 250℃时,可能形成Zn-Fe合金,有害于烟 化炉的作业,因此温度的精确测量和控制是十分必要的.作为工业控制系统中的基本方式,PID控制对于 动态反应较缓慢的工业过程是非常好的控制规律[1].但是,当工业过程复杂,负荷变化很多,对象的纯滞 后又较大时常规PID控制达不到要求,为了解决上述问题系统采用PLC作为下位机,PC作为上位机,利 用labVIEW构造人机交互界面,应用神经网络PID对系统进行控制,设计锅炉温度的监制电路. 1 系统总体设计 系统通过热电偶传感器检测出锅炉的温度,采集的信号经过A/D电路转换后传给PLC控制器.PLC 根据数据做出判断,当锅炉处在升温阶段时对锅炉进行加热,当锅炉处于保温段时调用PID算法控制温 度满足输出要求.同时PLC把数据传给PC机,PC机做出显示和报警.具体电路如图1所示. 1·1 主控芯片 S7-300PLC是西门子生产的模块式中小型PLC,提供了大量可以选择的模块,包括:PS 电源模块、CPU模块、IM接口模块、SM信号模块、FM功能模块和CP通信模块.其中FM模块可实现高 速级数、定位控制、闭环控制功能;CP模块是组态网使用的接口模块常用的网络有PROFIBUS,工业以太 网及点对点连接网络.这些模块可以通过U形总线紧密地固定在轨道上,一条导轨共有11个槽号:1号槽 至3号槽分别放置电源、CPU、IM模块4号槽至11号槽 可以随意放置其他模块. 1·2 通信网络 一般的自动化系统都是以单元生产设备 为中心进行检测和控制,不同单元的生产设备间缺乏信息 交流,难以满足生产过程的统一管理.西门子全集成自动 化解决方案顺应了当今自动化的需求,TIA从统一的组态 和编程、统一的数据管理及统一的通信三方面集成在一 起,从现场级到管理级,可以使用如工业以太网、PROFIB- BUS,MPI,EIB等通信网络.根据设计的需要可以自由选择通信网络的配置[2]. 1·3 温度传感器 热电偶是将2种不同的导体焊接起来组成闭合回路,当两端节点有温度差时,两端点 之间产生电动势,回路中会产生电流,这种现象称为热电效应.热电偶温度传感器就是利用这一效应来工 作的.在工业生产过程中被测点与基准节点之间的距离常常过远,为了节省热电偶材料,降低成本,通常采 用补偿导线的方式进行补偿[3]. 1·4 显示界面 LabVIEW是美国NI公司推出的图形化工业控制测控开发平台,是目前应用最广、发展 最快、功能最强的图形软件集成开发环境.LabVIEW具有界面友好、开发周期短等优点,广泛应用于仪器 控制、数据采集、数据分析和数据显示等领域.所以,我们可以在计算机上采用它来实现对设备运行状态的 监控,同时也可以对各种数据进行采集显示.系统的温度显示界面如图2所示. 2 系统控制算法设计 PID控制是工业过程控制中最常用的一种控制方法, 但常规的PID控制在被控对象具有复杂的非线性时,如锅 炉的温度控制,不仅具有较大的纯延迟,而且模型也不确 定时,对于这种对象往往难以达到满意的控制效果.BP神 经网络PID控制具有逼近任意非线性函数的能力,通过神 经网络自身的学习,找到最佳组合的PID控制参数,以满 足控制系统的要求.具体的神经网络PID控制系统框图如 图3所示. 设PID神经元网络是一个3层BP网络,包括2个输入节点,3个隐含层节点,1个输出接点.输入节 点对应所选的系统运行状态量,如系统不同时刻的输入量和输出量等,必要时要进行归一化处理.输出节 点分别对应PID控制的3个可调参数KP,KI,KD.输入层的2个神经元在构成控制系统可分别输入系统 被调量的给定值和实际值.由文献[4]和[5]中的前向算法可得到输出层的权系数计算公式为: 3结论 PID控制算法是一种易于实现而且经济实用的方法,具有很强的灵活性,但在被控制对象具有复杂的 非线性时,难以满足控制要求,而神经网络PID控制具有逼近任意非线性函数的能力,神经网络PID与 LabVIEW结合实现对锅炉温度的数据采集、控制和显示,提高了锅炉监控系统的效率. 参考文献: [1] 邓洪伟.供暖锅炉温度和压力的PLC控制[J].动力与电力工程,2008(18):93-94. [2] 张运刚.西门子S7-300/400PLC技术与应用[M].北京:人民邮电出版社,2007. [3] 何希才.传感器及其应用实例[M].北京:机械工业出版社,2004. [4] 何离庆.过程控制系统与装置[M].北京:重庆大学出版社,2003. [5] 舒怀林.PID神经元网络及其控制系统[M].北京:国防工业出版社,2006.

1绪论研究背景与研究目的意义中国互联网络信息中心（CNNIC，2018）发布了截至2018年12月的第43次中国互联网发展统计报告。根据该报告，截至2018年12月，中国互联网用户数量为亿，并且每年保持在5000多万增量。而且这种趋势将在未来几年继续保持。5G时代的来临将会加快促进互联网与其他产业融合，网络规模必然会进一步增大。传统的网络管理系统以分布式网络应用系统为基础，采用软件和硬件相结合的方式。SNMP协议是目前网络管理领域运用最为广泛的网络管理协议，它将从各类网络设备中获取数据方式进行了统一化，几乎所有的网络设备生产厂商都支持此协议。然而传统的基于SNMP的网络管理软件大多基于C/S架构，存在着扩展性和灵活性差，升级维护困难等缺点，对网为网络的管理带来了一定程度的不便。因此，基于三层的网管系统己经成为发展趋势，随着Web技术迅猛发展，诞生了以Web浏览器和服务器为核心，基于B/S ( Browser/Server)架构的“Web分布式网络管理系统”，它具有不依赖特定的客户端应用程序，跨平台，方便易用，支持分布式管理，并且可动态扩展和更新等优点。本文将重点研究基于BP故障诊断模型，实现了一种以接口故障为研究对象的智能网络管理系统模型，并以此为基础，设计与实现基于web的智能网络管理系统，不仅可以通过对网络数据实时监控，而且基于BP网络故障诊断模型可以诊断通信网中的接口故障，在一定程度上实现网络故障管理的自动化。该系统在保证网络设备提供稳定可靠的网络服务同时，也可以降低企业在维护网络设备上的成本。国内外研究现状网络设备管理是指对各种网络设备(如核心层、汇接层、接入层路由与交换设备、服务器和计算机)进行各种操作和相关配置，管理服务器（Manager）用来处理网络信息，配合管理服务器对网络信息处理并管理的实体被称为代理服务器（Agent），被管对象是指用于提供网络服务或使用网络服务等设备的全部资源信息，各种不同的被管对象构成了管理信息库。在实际的网络管理过程当中，管理服务器和代理服务器以及代理服务器和被管对象三种实体之间都是通过规范的网络管理协议来进行信息的交互（王鹤 2015）。相比国外的网络管理系统及产品，国内相应的网络管理系统和产品起步比较晚，但是随着互联网技术的发展网络管理软件发展势头迅猛，诞生了很多优秀的网络管理软件，这些软件已经广泛运用在我国网络管理领域。国外研究现状目前国外大型网络服务商都有与其产品相对应的网络管理系统。从最初步的C/S架构逐步过渡到现在的B/S架构。比较著名的:Cabletron系统公司的SPECTRUM,Cisco公司的CiscoWorks，HP公司的OpenView,Tivoli系统公司的TH NetView。这些网络管理产品均与自家产品相结合，实现了网络管理的全部功能，但是相对专业化的系统依旧采用C/S架构。NetView这款管理软件在网络管理领域最为流行。NetView可以通过分布式的方式实时监控网络运行数据，自动获取网络拓扑中的变化生成网络拓扑。另外，该系统具有强大的历史数据备份功能，方便管理员对历史数据统计管理。OpenView具有良好的兼容性，该软件集成了各个网络管理软件的优势，支持更多协议标准，异种网络管理能力十分强大。CiscoWorks是Cisco产品。该软件支持远程控制网络设备，管理员通过远程控制终端管理网络设备，提供了自动发现、网络数据可视化、远程配置设备和故障管理等功能。使用同一家产品可以更好的服务，因此CiscoWorks结合Cisco平台其他产品针对Cisco设备可以提供更加细致的服务。Cabletron的SPECTRUM是一个具有灵活性和扩展性的网络管理平台，它采用面向对象和人工智能的方法，可以管理多种对象实体，利用归纳模型检查不同的网络对象和事件，找到它们的共同点并归纳本质。同时，它也支持自动发现设备，并能分布式管理网络和设备数据。国内研究现状随着国内计算机发展迅猛，网络设备规模不断扩大，拓扑结构复杂性也随之日益增加，为应对这些问题，一大批优秀的网络管理软件应运而生。像南京联创OSS综合网络管理系统、迈普公司Masterplan等多个网络管理系统。华为公司的iManager U2000网络管理系统，北京智和通信自主研发的SugarNMS开源网络管理平台，均得到较为广泛应用。Masterplan主要特点是能够对网络应用实现良好的故障诊断和性能管理，适用于网络内服务器、网络设备以及设备上关键应用的监测管理。SugarNMS具有一键自动发现、可视化拓扑管理、网络资源管理、故障管理、日志管理、支付交付等功能，并提供C/S和B/S两种使用方式。iManager U2000定位于电信网络的网元管理层和网络管理层，采用开放、标准、统一的北向集成，很大程度上缩短OSS集成时间，系统运行以业务为中心，缩短故障处理时间，从而减少企业故障处理成本。近些年来，随着人工智能技术的崛起，越来越多的企业开始将人工智能技术应用在网络管理上面，替代传统的集中式网络管理方式。为了减小企业维护网络的成本，提高网管人员工作效率，智能化、自动化的网络管理系统成为许多学者研究的热点。神经网络在网络管理中的适用性分析网络管理的功能就是对网络资源进行管控、监测通信网络的运行状态以及排查网络故障。管控网络资源，本质上就是管理员为了满足业务需求下发相关设备配置命令改变网络设备状态，以保证稳定的服务；监测网络运行状态一般是指周期的或者实时的获取设备运行状态进行可视化，以方便管理员进行分析当前设备是否正常运行。排查网络故障是管理员通过分析网络设备运行数据与以往数据进行比较或者根据自身经验进行分析，确定故障源头、故障类别、产生原因、解决方法。故障排除是针对前一阶段发现的网络故障进行特征分析，按照诊断流程得出结果，执行特定的指令动作来恢复网络设备正常运行（洪国栋，2016）。神经网络具有并行性和分布式存储、自学习和自适应能力、非线性映射等基本特点。当下最为流行的神经网络模型就是BP(Back-Propagation)神经网络，是一种按照误差逆向传播算法训练多层前馈神经网络，属于监督式学习神经网络的一种。该模型分为输入层、隐含层以及输出层，网络模型在外界输入样本的刺激不断改变连接权值，将输出误差以某种形式通过隐含层向输入层逐层反转，使得网络输出不断逼近期望输出，其本质就是连接权值的动态调整。BP神经网络拥有突出的泛化能力，善于处理分类问题。BP网络是目前常用的误差处理方式，在众多领域得到了广泛的应用，它的处理单元具有数据量大、结构简单等特点，并且神经网络以对大脑的生理研究成果为基础，模拟大脑某些机制与机理组成十分繁杂的非线性动力学系统，其在处理网络设备运行中的数据时以及在比较模糊信号问题的时候，能够自主学习并得出需要的结果。能够将模型中输入输出矢量进行分类、连接、来适应复杂的传输存储处理。因此，本文会基于现有网络管理技术结合BP神经网络去解决网络故障问题。本文主要研究目标本文研究目标针对传统网络管理中故障方案的问题与不足，本文探究基于BP神经网络的方法来构建基于通信网接口故障诊断模型。通过构建的通信网接口故障诊断模型可以有效的诊断接口故障并判别出故障类型。推动现有网络管理系统更趋近于智能化。以此为基础，分析、设计、实现基于三层架构的智能网络管理系统技术路线智能网络研究首先要确定该系统的开发技术路线，课题研究的主要过程首先是在查阅相关科研资料的基础上，搭建实验环境。在保证网络正常通信的前提下采集各个端口的流入流出流量，记录设备的运行状态并对设备进信息进行管理。同时布置实验环境相应故障，包括：改变端口状态、更改端口ip地址、子网掩码，采集通讯网络接口故障发生时网络拓扑中产生的异常数据。查阅BP神经网络在故障在诊断方面的相关论文，基于网络通讯设备接口的常见故障以及相关故障文档构建BP神经网络故障模型，并判断故障模型的有效性。逐步地实现系统的全部功能。最后进行系统测试，得出结论，应用于实际。本文组织结构本文主要由六个章节构成，各章节主要内容如下：第一章绪论。本章首先简要介绍了网络管理系统当前的发展及应用现状从而进一步分析出建立智能网络管理系统的重要意义。阐述了网络管理系统国内外研究现状。最后论述了本文研究目的与组织结构。第二章相关概念及相关技术。本章对SNMP的相关技术进行详细介绍，SNMP组织模型 、SNMP管理模型、SNMP信息模型、SNMP通讯模型。然后对前端框架Vue和绘图插件Echarts技术进行介绍，其次介绍了常见的故障分析技术，专家系统、神经网络等，最后对神经网络基本概念和分类进行简要描述。第三章基于BP神经网络故障推理模型。介绍了BP神经网络的基本概念、网络结构、设计步骤、训练过程，以接口故障为例详细介绍了BP神经网络故障模型的构建过程。第四章智能网络管理系统分析与系统设计。首先进行了需求分析，其次对体系结构设计、系统总体模块结构设计进行说明，对系统各个功能模块分析设计结合活动图进行详细说明，最后对数据库设计进行简要说明。第五章智能网络管理系统的实现。对整体开发流程进行了说明，对用户管理模块、配置管理模块、设备监控模块、故障诊断模块实现流程进行描述并展示实现结果。第六章系统测试与结论。并对系统的部分功能和性能进行了测试，并加以分析。第七章总结与展望。总结本文取得的研究成果和存在的问题，并提出下一步改进系统的设想与对未来的展望。2相关概念及相关技术网络管理概述网络管理就是通过合适手段和方法，确保通信网络可以根据设计目标稳定，高效运行。不仅需要准确定位网络故障，还需要通过分析数据来预先预测故障，并通过优化设置来降低故障的发生率。网络管理系统的五大基本功能，分别为:配置管理、性能管理、故障管理、计费管理和安全管理：1）配置管理：配置管理是最重要和最基础的部分。它可以设置网络通讯设备的相关参数，从而管理被管设备，依据需求周期的或实时的获取设备信息和运行状态，检查和维护设备状态列表，生成数据表格，为管理员提供参考和接口以更改设备配置。2）性能管理：性能管理是评估系统网络的运行状态和稳定性，主要工作内容包括从被管理对象获取与网络性能相关数据，对这些数据进行统计和分析，建立模型以预测变化趋势、评估故障风险，通过配置管理模块修改网络参数，以确保网络性能最优利用网络资源保证通信网络平稳运行。3）故障管理：故障管理的主要功能就是及时辨别出网络中出现的故障，找出故障原因，分析并处理故障。故障管理一般分为四个部分：（1）探测故障。通过被管设备主动向管理站发送故障信息或者管理站主动轮询被管设备两种方式发现故障源。（2）发出告警。管理站发现故障信息之后，会以短信、信号灯等方式提示管理员。（3）解决故障。对故障信息进行分析，明确其故障原因和类型，找到对应方法得以解决。（4）保存历史故障数据。对历史故障数据进行维护备份，为以后的故障提供一定依据，使得处理网络故障更为高效。4）计费管理：计费管理主要功能是为客户提供一个合理的收费依据，通过将客户的网络资源的使用情况进行统计，例如将客户消费流量计算成本从而向客户计费。5）安全管理：目的就是保证网络能够平稳安全的运行，可以避免或者抵御来自外界的恶意入侵，防止重要数据泄露，例如用户的个人隐私泄露问题等。根据网络管理系统的体系结构和ISO定义的基本功能，基于Web的网络管理系统基本模型如图基于Web的网络管理系统基本模型所示，整个模型包括六个组成部分:Web浏览器，Web服务器，管理服务集，管理信息库，网络管理协议，被管资源。 SNMP协议简单网络管理协议SNMP(Simple Network Management Protocol)，既可以作为一种协议，也可以作为一套标准。事实上SNMP己经成为网络管理领域的工业标准，从提出至今共有八个版本，在实践中得到广泛应用的有三个版本，分别是SNMPv1, SNMPv2c和SNMPv3（唐明兵2017）。最初的SNMPv1主要是为了满足基于TCP/IP的网络管理而设计的，但是随着网络管理行业的迅猛发展，第一版本的SNMP协议已经不适应网络行业的发展，身份验证、批量数据传输问题等暴露导致SNMPv1难以支持日益庞大的网络设备。第二版本就演变成了一个运行于多种网络协议之上的网络管理协议，较第一版本有了长足的进步，不仅提供了更多操作类型，支持更多的数据类型而且提供了更加丰富的错误代码，能够更加细致的区分错误，另外支持的分布式管理在一定程度上大大减轻了服务器的压力。但是SNMPv2c依旧是明文传输密钥，其安全性有待提高。直到1998年正式推出SNMPv3，SNMPv3的进步主要体现在安全性能上，他引入USM和VACM技术，USM添加了用户名和组的概念，可以设置认证和加密功能，对NMS和Agent之间传输的报文进行加密，提升其安全性防止窃听。VACM确定用户是否允许特定的访问MIB对象以及访问方式。 SNMP管理模型与信息模型SNMP系统包括网络管理系统NMS（Network Management System）、代理进程Agent、被管对象Management object和管理信息库MIB（Management Informoation Base）四部分组成.管理模型图如图所示：1）NMS称为网络管理系统，作为网络管理过程当中的核心，NMS通过SNMP协议向网络设备发送报文，并由Agent去接收NMS发来的管理报文从而对设备进行统一管控。NMS可以主动向被管对象发送管理请求，也可以被动接受被管对象主动发出的Trap报文。2）Agent相当于网络管理过程中的中间件，是一种软件，用于处理被管理设备的运行数据并响应来自NMS的请求，并把结果返回给NMS。Agent接收到NMS请求后，通过查询MIB库完成对应操作，并把数据结果返回给NMS。Agent也可以作为网络管理过程中的中间件不仅可以使得信息从NMS响应到具体硬件设备上，当设备发生故障时，通过配置Trap开启相应端口，被管设备也可以通过Agent主动将事件发送到NMS，使得NMS及时发现故障。3）Management object指被管理对象。一个设备可能处在多个被管理对象之中，设备中的某个硬件以及硬件、软件上配置的参数集合都可以作为被管理对象。4）MIB是一个概念性数据库，可以理解为Agent维护的管理对象数据库，里面存放了被管设备的相关变量信息。MIB库定义了被管理设备的一系列属性：对象的名称、对象的状态、对象的访问权限和对象的数据类型等。通过读取MIB变量的值， Agent可以查询到被管设备的当前运行状态以及硬件信息等，进而达到监控网络设备的目的。Agent可以利用修改对应设备MIB中的变量值，设置被管设备状态参数来完成设备配置。SNMP的管理信息库是树形结构，其结构类型与DNS相似，具有根节点且不具有名字。在MIB功能中，每个设备都是作为一个oid树的某分支末端被管理。每个OID（object identifier，对象标识符）对应于oid树中的一个管理对象且具有唯一性。有了树形结构的特性，可以高效迅速地读取其中MIB中存储的管理信息及遍历树中节点，读取顺序从上至下。目前运用最为广泛的管理信息库是MIB-Ⅱ，它在MIB-Ⅰ的基础上做了扩充和改进。MIB-Ⅱ结构示意图如图如所示：（1）system组：作为MIB中的基本组，可以通过它来获取设备基本信息和设备系统信息等。（2）interfac组：定了有关接口的信息，例如接口状态、错误数据包等，在故障管理和性能管理当中时常用到。（3）address translation组:用于地址映射。（4）ip组：包含了有关ip的信息，例如网络编号，ip数据包数量等信息。（5）icmp组：包含了和icmp协议有关信息，例如icmp消息总数、icmp差错报文输入和输出数量。（6）tcp组：包含于tcp协议相关信息，例如tcp报文数量、重传时间、拥塞设置等。应用于网络拥塞和流量控制。（7）udp组：与udp协议相关，可以查询到udp报文数量，同时也保存了udp用户ip地址。（8）egp组：包含EGP协议相关信息，例如EGP协议下邻居表信息、自治系统数。（9）cmot组：为CMOT协议保留（10）transmission组：为传输信息保留（11）snmp组：存储了SNMP运行与实现的信息，例如收发SNMP消息数据量。 SNMP通讯模型SNMP规定了5种协议基本数据单元PDU，用于管理进程与代理进程之间交换。（1）get-request操作：管理进程请求数据。（2）get-next-request操作：在当前操作MIB变量的基础上从代理进程处读取下一个参数的值。（3）set-request操作：用于对网络设备进行设置操作。（4）get-response操作：在上面三种操作成功返回后，对管理进程进行数据返回。这个操作是由代理进程返回给管理进程。（5）trap操作：SNMP代理以异步的方式主动向SNMP管理站发送Trap数据包。一般用于故障告警和特定事件发生。SNMP消息报文包含两个部分：SNMP报头和协议数据单元PDU。根据TCP/IP模型SNMP是基于UDP的应用层协议，而UDP又是基于IP协议的。因此可以得到完整的SNMP报文示意图如下：（1）版本号表示SNMP版本，其中版本字段的大小是版本号减1，如果SNMPv2则显示的字段值是1。（2）团体名（community）本质上是一个字符串，作为明文密钥在管理进程和代理进程之间用于加密传输的消息，一般默认设置成“public”。 （3）请求标识符(request ID)用于消息识别。由管理进程发送消息时自带一个整数值，当代理进程返回消息时带上该标识符。管理进程可以通过该标识符识别出是哪一个代理进程返回的数据从而找到对应请求的报文。（4）差错状态(error status)表示出现错误时由代理进程返回时填入差错状态符0～5中的某一数字，数字对应相关错误信息。差错状态描述符如下表：（5）差错索引(error index)表示在通信过程当中出现上表的差错时，代理进程在应答请求时设置一个整数，整数大小对应差错变量在变量列表中偏移大小。（6）变量名-值对以key-value的方式存储变量名称和对应值。（7）trap报文是代理进程主动向管理进程发送的报文，不必等待管理进程下一次轮询。SNMPv2的trap报文格式较SNMPv1的trap报文格式更趋近于普通的SNMP响应报文，更加统一化。以SNMPv2为例的trap报文格式如下：trap类型已定义的特定trap共有7种，后面的则是由供养商自己定制。Trap类型如下表所示： SNMP组织模型SNMP代理组织分成分散式和集中式模型。在分散模型中，每一个服务器对应一个SNMP代理，可以理解为一一对应的关系，管理站分别与每个被管服务器上的代理进行通信。集中模型当中，在管理服务器上只创建一个SNMP代理。管理站只与管理管理服务器上的SNMP代理进行通信， SNMP代理接收来自某一固定区域的所有数据。如图所示： Vue为实现前后端分离开发的理念，Vue应运而生。作为构建用户界面框架的简单易上手使得前端开发人员不必再编写复杂的DOM操作通过this来回寻找相关节点，很大程度上提高了开发的效率。通过MVVM框架，可以自动完成视图同步数据更新，在对实例new Vue（data:data）进行声明后data中数据将与之相应的视图绑定，一旦data中的数据发生变更，视图中对应数据也会发生相应改变。基于MVVM框架实现了视图与数据一致性，MVVM框架可以分为三个部分：Model、ViewModel、View。MVVM框架模式：的理念是“一切皆为组件”，可以说组件是的最强大功能。组件可以扩展HTML元素，将HTML、CSS、JavaScript封装成可重用的代码组件，可以应用在不同的场景，大大提高效率。它与传统的JavaScript相比，采用虚拟DOM渲染页面。当有数据发生变更时，生成虚拟DOM结构与实际页面结构对比，重新渲染差离部分，进一步提供了页面性能。 EchartsEcharts（Enterprise Charts），它是由百度公司研发的纯JavaScript图表库，可以流畅的运行在PC和移动设备上。ECharts兼容当前主流浏览器，底层依赖轻量级Canvas库ZRender，Echarts提供直观、生动、交互性强、高度自定义化的可视化图标。ECharts包含了以下特性：1）丰富的可视化类型：既有柱状图、折线图、饼图等常规图，也有可用于地理数据可视化的热力图、线图等，还有多维数据可视化的平行坐标。2）支持多种数据格式共存：在版本中内置的dataset属性支持直接传入包括二维表中。3）多维数据的支持：可以传入多维度数据。4）移动端优化：特别针对移动端可视化进行了一定程度优化，可以使用手指在坐标系中进行缩放、平移。5）动态类型切换：支持不同类型图形随意切换，既可以用柱形图也可以用折线图展示统一数据，可以从不同角度展现数据。6）时间轴：对数据进行可视化的同时，可以分为周期或者定时进行展示，所有利用时间轴可以很好的动态观察数据的变化。目前常见的故障诊断方法基于专家系统的故障诊断方法专家系统是目前最常使用的诊断方法。通俗来讲，专家系统就是模拟人类专家去解决现实中某一特定领域的复杂问题。专家系统接收用户界面数据，将数据传递到推理引擎进行推理，做出决策并执行。专家系统作为人工智能的前身，从上世纪60年代开始到现在专家系统的应用已经产生了巨大的经济效益和社会效益，灵活可靠、极高的专业水平和良好的有效机制使得专家系统已经成为最受欢迎、最活跃的领域之一。基于模糊理论的故障诊断方法在实际的工业生产过程当中，设备的“故障”状态与“正常”状态之间并没有严格的界限，它们之间存在一定的模糊过渡状态，并且在特征获取、故障判定过程中都中存在一定的模糊性。 因此，该方法不需要建立精确的数学分析模型，本质上是一个模式识别问题。 根据建议的症状参数，得出系统状态。 通常选择“择近原则”和“最大隶属原则”作为基本诊断原理（尤海鑫，2012）。基于免疫算法的故障诊断方法通过模拟自然生物免疫系统的功能，即快速识别外来生物和外来生物，最后通过自我排斥将异物排出体外。生物免疫系统还建立了一套算法来测试各种条件，主要是在线检测，通过不合格的自我和外部组织消除系统来实现故障识别的能力。免疫算法的故障诊断方法属于并行处理能力，可以进行很多复杂的操作和处理。同时可以与遗传算法等其他智能优化算法结合使用，以增强自适应能力和自学习能力。从公开的文献中，学者们并不热衷于这种原理的方法。一般来说，在故障诊断领域，目前人工免疫理论的研究尚处于萌芽阶段。基于神经网络的故障诊断方法神经网络是由大量简单的神经节点组成的复杂网络，以网络拓扑分布的方式存储信息，利用网络拓扑分布和权重实现对实际问题的非线性映射调整，并运用使用全局并行处理的方式，实现从输入空间到输出空间的非线性映射。该方法属于典型的模型诊断模式，不需要了解内部诊断过程，而是使用隐式方法完全表达知识。在获取知识时，它将自动生成由已知知识和连接节点的权重构成的网络的拓扑结构，并将这些问题完全连接到互连的网络中，有利于知识的自动发现和获取。并行关联推理和验证提供了便利的途径；神经网络通过神经元之间的交互来实现推理机制。

计算机论文计算机网络在电子商务中的应用摘要：随着计算机网络技术的飞进发展，电子商务正得到越来越广泛的应用。由于电子商务中的交易行为大多数都是在网上完成的， 因此电子商务的安全性是影响趸易双方成败的一个关键因素。本文从电子商务系统对计算机网络安全，商务交易安全性出发，介绍利用网络安全枝术解决安全问题的方法。关键词：计算机网络，电子商务安全技术一． 引言近几年来．电子商务的发展十分迅速 电子商务可以降低成本．增加贸易机会，简化贸易流通过程，提高生产力，改善物流和金流、商品流．信息流的环境与系统 虽然电子商务发展势头很强，但其贸易额所占整个贸易额的比例仍然很低。影响其发展的首要因素是安全问题．网上的交易是一种非面对面交易，因此“交易安全“在电子商务的发展中十分重要。可以说．没有安全就没有电子商务。电子商务的安全从整体上可分为两大部分．计算机网络安全和商务交易安全。计算机网络安全包括计算机网络设备安全、计算机网络系统安全、数据库安全等。其特征是针对计算机网络本身可能存在的安全问题，实施网络安全增强方案．以保证计算机网络自身的安全性为目标。商务安全则紧紧围绕传统商务在Interne'(上应用时产生的各种安全问题．在计算机网络安全的基础上．如何保障电子商务过程的顺利进行。即实现电子商务的保密性．完整性．可鉴别性．不可伪造性和不可依赖性。二、电子商务网络的安全隐患1窃取信息：由于未采用加密措施．数据信息在网络上以明文形式传送．入侵者在数据包经过的网关或路由器上可以截获传送的信息。通过多次窃取和分析，可以找到信息的规律和格式，进而得到传输信息的内容．造成网上传输信息泄密2．篡改信息：当入侵者掌握了信息的格式和规律后．通过各种技术手段和方法．将网络上传送的信息数据在中途修改 然后再发向目的地。这种方法并不新鲜．在路由器或者网关上都可以做此类工作。3假冒由于掌握了数据的格式，并可以篡改通过的信息，攻击者可以冒充合法用户发送假冒的信息或者主动获取信息，而远端用户通常很难分辨。4恶意破坏：由于攻击者可以接入网络．则可能对网络中的信息进行修改．掌握网上的机要信息．甚至可以潜入网络内部．其后果是非常严重的。三、电子商务交易中应用的网络安全技术为了提高电子商务的安全性．可以采用多种网络安全技术和协议．这些技术和协议各自有一定的使用范围，可以给电子商务交易活动提供不同程度的安全保障。1．防火墙技术。防火墙是目前主要的网络安全设备。防火墙通常使用的安全控制手段主要有包过滤、状态检测、代理服务 由于它假设了网络的边界和服务，对内部的非法访问难以有效地控制。因此．最适合于相对独立的与外部网络互连途径有限、网络服务种类相对集中的单一网络(如常见的企业专用网) 防火墙的隔离技术决定了它在电子商务安全交易中的重要作用。目前．防火墙产品主要分为两大类基于代理服务方式的和基于状态检测方式的。例如Check Poim Fi rewalI-1 4 0是基于Unix、WinNT平台上的软件防火墙．属状态检测型 Cisco PIX是硬件防火墙．也属状态检测型。由于它采用了专用的操作系统．因此减少了黑客利用操作系统G)H攻击的可能性：Raptor完全是基于代理技术的软件防火墙 由于互联网的开放性和复杂性．防火墙也有其固有的缺点(1)防火墙不能防范不经由防火墙的攻击。例如．如果允许从受保护网内部不受限制地向外拨号．一些用户可以形成与Interne'(的直接连接．从而绕过防火墙：造成一个潜在的后门攻击渠道，所以应该保证内部网与外部网之间通道的唯一性。(2)防火墙不能防止感染了病毒的软件或文件的传输．这只能在每台主机上装反病毒的实时监控软件。(3)防火墙不能防止数据驱动式攻击。当有些表面看来无害的数据被邮寄或复制到Interne'(主机上并被执行而发起攻击时．就会发生数据驱动攻击．所以对于来历不明的数据要先进行杀毒或者程序编码辨证，以防止带有后门程序。2．数据加密技术。防火墙技术是一种被动的防卫技术．它难以对电子商务活动中不安全的因素进行有效的防卫。因此．要保障电子商务的交易安全．就应当用当代密码技术来助阵。加密技术是电子商务中采取的主要安全措施， 贸易方可根据需要在信息交换的阶段使用。目前．加密技术分为两类．即对称加密／对称密钥加密／专用密钥加密和非对称加密／公开密钥加密。现在许多机构运用PKI(punickey nfrastructur)的缩写．即 公开密钥体系”)技术实施构建完整的加密／签名体系．更有效地解决上述难题．在充分利用互联网实现资源共享的前提下从真正意义上确保了网上交易与信息传递的安全。在PKI中．密钥被分解为一对(即一把公开密钥或加密密钥和一把专用密钥或解密密钥)。这对密钥中的任何一把都可作为公开密钥(加密密钥)通过非保密方式向他人公开．而另一把则作为专用密钥{解密密钥)加以保存。公开密钥用于对机密�6�11生息的加密．专用密钥则用于对加信息的解密。专用密钥只能由生成密钥对的贸易方掌握．公开密钥可广泛发布．但它只对应用于生成该密钥的贸易方。贸易方利用该方案实现机密信息交换的基本过程是 贸易方甲生成一对密钥并将其中的一把作为公开密钥向其他贸易方公开：得到该公开密钥的贸易方乙使用该密钥对机密信息进行加密后再发送给贸易方甲 贸易方甲再用自己保存的另一把专用密钥对加密后的信息进行解密。贸易方甲只能用其专用密钥解密由其公开密钥加密后的任何信息。3．身份认证技术。身份认证又称为鉴别或确认，它通过验证被认证对象的一个或多个参数的真实性与有效性 来证实被认证对象是否符合或是否有效的一种过程，用来确保数据的真实性。防止攻击者假冒 篡改等。一般来说。用人的生理特征参数f如指纹识别、虹膜识别)进行认证的安全性很高。但目前这种技术存在实现困难、成本很高的缺点。目前，计算机通信中采用的参数有口令、标识符 密钥、随机数等。而且一般使用基于证书的公钥密码体制(PK I)身份认证技术。要实现基于公钥密码算法的身份认证需求。就必须建立一种信任及信任验证机制。即每个网络上的实体必须有一个可以被验证的数字标识 这就是 数字证书(Certifi2cate)”。数字证书是各实体在网上信息交流及商务交易活动中的身份证明。具有唯一性。证书基于公钥密码体制．它将用户的公开密钥同用户本身的属性(例如姓名，单位等)联系在一起。这就意味着应有一个网上各方都信任的机构 专门负责对各个实体的身份进行审核，并签发和管理数字证书，这个机构就是证书中心(certificate authorities．简称CA}。CA用自己的私钥对所有的用户属性、证书属性和用户的公钥进行数字签名，产生用户的数字证书。在基于证书的安全通信中．证书是证明用户合法身份和提供用户合法公钥的凭证．是建立保密通信的基础。因此，作为网络可信机构的证书管理设施 CA主要职能就是管理和维护它所签发的证书 提供各种证书服务，包括：证书的签发、更新 回收、归档等。4．数字签名技术。数字签名也称电子签名 在信息安全包括身份认证，数据完整性、不可否认性以及匿名性等方面有重要应用。数字签名是非对称加密和数字摘要技术的联合应用。其主要方式为：报文发送方从报文文本中生成一个1 28b it的散列值(或报文摘要)，并用自己的专用密钥对这个散列值进行加密 形成发送方的数字签名：然后 这个数字签名将作为报文的附件和报文一起发送给报文的接收方 报文接收方首先从接收到的原始报文中计算出1 28bit位的散列值(或报文摘要)．接着再用发送方的公开密钥来对报文附加的数字签名进行解密 如果两个散列值相同 那么接收方就能确认该数字签名是发送方的．通过数字签名能够实现对原始报文的鉴别和不可抵赖性。四、结束语电子商务安全对计算机网络安全与商务安全提出了双重要求．其复杂程度比大多数计算机网络都高。在电子商务的建设过程中涉及到许多安全技术问题 制定安全技术规则和实施安全技术手段不仅可以推动安全技术的发展，同时也促进安全的电子商务体系的形成。当然，任何一个安全技术都不会提供永远和绝对的安全，因为网络在变化．应用在变化，入侵和破坏的手段也在变化，只有技术的不断进步才是真正的安全保障。参考文献：[1]肖满梅 罗兰娥：电子商务及其安全技术问题．湖南科技学院学报，2006，27[2]丰洪才 管华 陈珂：电子商务的关键技术及其安全性分析．武汉工业学院学报 2004，2[3]阎慧 王伟：宁宇鹏等编著．防火墙原理与技术[M]北京：机械工业出版杜 2004

卷积神经网络论文参考文献

原文： Scalable Object Detection using Deep Neural Networks——学术范 最近，深度卷积神经网络在许多图像识别基准上取得了最先进的性能，包括ImageNet大规模视觉识别挑战(ILSVRC-2012)。在定位子任务中获胜的模型是一个网络，它预测了图像中每个对象类别的单个边界框和置信度得分。这样的模型捕获了围绕对象的整幅图像上下文，但如果不天真地复制每个实例的输出数量，就无法处理图像中同一对象的多个实例。在这篇论文中提出了一个显著性启发的神经网络检测模型，它预测了一组与类无关的边界框，每个框有一个分数，对应于它包含任何感兴趣的对象的可能性。该模型自然地为每个类处理数量可变的实例，并允许在网络的最高级别上进行跨类泛化。 目标检测是计算机视觉的基本任务之一。一个解决这个问题的通用范例是训练在子图像上操作的对象检测器，并在所有的场所和尺度上以详尽的方式应用这些检测器。这一范例被成功地应用于经过区别训练的可变形零件模型(DPM)中，以实现检测任务的最新结果。对所有可能位置和尺度的穷举搜索带来了计算上的挑战。随着类数量的增加，这个挑战变得更加困难，因为大多数方法都训练每个类单独的检测器。为了解决这个问题，人们提出了多种方法，从检测器级联到使用分割提出少量的对象假设。 关于对象检测的文献非常多，在本节中，我们将重点讨论利用类不可知思想和解决可伸缩性的方法。 许多提出的检测方法都是基于基于部件的模型，最近由于有区别学习和精心设计的特征，已经取得了令人印象深刻的性能。然而,这些方法依赖于在多个尺度上详尽地应用零件模板，这是非常昂贵的。此外，它们在类的数量上是可伸缩的，这对像ImageNet这样的现代数据集来说是一个挑战。 为了解决前一个问题，Lampert等人使用分支绑定策略来避免计算所有可能的对象位置。为了解决后一个问题，Song et al.使用了一个低维部件基，在所有对象类中共享。基于哈希算法的零件检测也取得了良好的结果。 另一种不同的工作，与我们的工作更接近，是基于对象可以本地化的想法，而不必知道它们的类。其中一些方法建立在自底向上无阶级分割[9]的基础上。通过这种方式得到的片段可以使用自上而下的反馈进行评分。基于同样的动机，Alexe等人使用一种廉价的分类器对对象假设是否为对象进行评分，并以这种方式减少了后续检测步骤的位置数量。这些方法可以被认为是多层模型，分割作为第一层，分割分类作为后续层。尽管它们编码了已证明的感知原理，但我们将表明，有更深入的模型，充分学习可以导致更好的结果。 最后，我们利用了DeepLearning的最新进展，最引人注目的是Krizhevsky等人的工作。我们将他们的边界盒回归检测方法扩展到以可扩展的方式处理多个对象的情况。然而，基于dnn的回归已经被Szegedy等人应用到对象掩模中。最后一种方法实现了最先进的检测性能，但由于单个掩模回归的成本，不能扩展到多个类。 我们的目标是通过预测一组表示潜在对象的边界盒来实现一种与类无关的可扩展对象检测。更准确地说，我们使用了深度神经网络(DNN)，它输出固定数量的包围盒。此外，它为每个盒子输出一个分数，表示这个盒子包含一个对象的网络信任度。 为了形式化上述思想，我们将i-thobject框及其相关的置信度编码为最后一网层的节点值: Bounding box: 我们将每个框的左上角和右下角坐标编码为四个节点值，可以写成vectorli∈R4。这些坐标是归一化的w. r. t.图像尺寸，以实现图像绝对尺寸的不变性。每个归一化坐标是由最后一层的线性变换产生的。 Confidence: 置信度:包含一个对象的盒子的置信度得分被编码为单个节点valueci∈[0,1]。这个值是通过最后一个隐藏层的线性变换产生的，后面跟着一个sigmoid。 我们可以组合边界盒位置sli,i∈{1，…K}为一个线性层。同样，我们可以将所有置信区间ci,i∈{1，…K}作为一个s型层的输出。这两个输出层都连接到最后一个隐藏层 在推理时，我们的算法生成kbound盒。在我们的实验中，我们使用ek = 100和K= 200。如果需要，我们可以使用置信分数和非最大抑制在推理时获得较少数量的高置信框。这些盒子应该代表对象。因此，它们可以通过后续的分类器进行分类，实现目标检测。由于盒子的数量非常少，我们可以提供强大的分类器。在我们的实验中，我们使用另一个dnn进行分类。 我们训练一个DNN来预测每个训练图像的边界框及其置信度得分，以便得分最高的框与图像的groundtruth对象框很好地匹配。假设对于一个特定的训练例子，对象被标记为boundingboxesgj,j∈{1，…，M}。在实践中，pre- dictionary的数量远远大于groundtruthboxm的数量。因此，我们试图只优化与地面真实最匹配的预测框子集。我们优化他们的位置，以提高他们的匹配度，最大化他们的信心。与此同时，我们将剩余预测的置信度最小化，这被认为不能很好地定位真实对象。为了达到上述目的，我们为每个训练实例制定一个分配问题。Wexij∈{0,1}表示赋值:xij= 1，如果第i个预测被赋值给第j个真对象。这项任务的目标可以表示为 其中，我们使用标准化边界框坐标之间的el2距离来量化边界框之间的不同。此外，我们希望根据分配x优化盒子的可信度。最大化指定预测的置信度可以表示为  最终的损失目标结合了匹配损失和信心损失 受式1的约束。α平衡了不同损失条款的贡献。 对于每个训练例子，我们通过解决一个最佳的赋值x*的预测到真实的盒子 约束执行赋值解决方案。这是二部匹配的一种变体，是一种多项式复杂度匹配。在我们的应用程序中，匹配是非常便宜的——每幅图像中标记的对象的数量少于一打，而且在大多数情况下只有很少的对象被标记。然后，通过反向传播优化网络参数。例如，反向传播算法的一阶导数计算w、r、t、l和c 尽管上述定义的损失在原则上是足够的，但三次修改使其有可能更快地达到更好的准确性。第一个修改是对地面真实位置进行聚类，并找到这样的聚类/质心，我们可以使用这些聚类/质心作为每个预测位置的先验。因此，鼓励学习算法为每个预测位置学习一个残差到一个先验。 第二个修改涉及到在匹配过程中使用这些先验:不是将N个groundtruth位置与K个预测进行匹配，而是在K个先验和groundtruth之间找到最佳匹配。一旦匹配完成，就会像之前一样计算目标的置信度。此外，位置预测损失也不变:对于任何一对匹配的(目标，预测)位置，其损失定义为groundtruth和对应于匹配先验的坐标之间的差值。我们把使用先验匹配称为先验匹配，并假设它促进了预测的多样化。  需要注意的是，尽管我们以一种与类无关的方式定义了我们的方法，但我们可以将它应用于预测特定类的对象盒。要做到这一点，我们只需要在类的边框上训练我们的模型。此外，我们可以预测每个类的kbox。不幸的是，这个模型的参数数量会随着类的数量线性增长。此外，在一个典型的设置中，给定类的对象数量相对较少，这些参数中的大多数会看到很少有相应梯度贡献的训练示例。因此，我们认为我们的两步过程——首先本地化，然后识别——是一个更好的选择，因为它允许使用少量参数利用同一图像中多个对象类型的数据 我们使用的本地化和分类模型的网络架构与[10]使用的网络架构相同。我们使用Adagrad来控制学习速率衰减，128的小批量，以及使用多个相同的网络副本进行并行分布式训练，从而实现更快的收敛。如前所述，我们在定位损失中使用先验——这些是使用训练集上的均值来计算的。我们还使用α = 来平衡局部化和置信度损失。定位器可以输出用于推断的种植区以外的坐标。坐标被映射和截断到最后的图像区域。另外，使用非最大抑制对盒进行修剪，Jaccard相似度阈值为。然后，我们的第二个模型将每个边界框分类为感兴趣的对象或“背景”。为了训练我们的定位器网络，我们从训练集中生成了大约3000万幅图像，并对训练集中的每幅图像应用以下步骤。最后，样品被打乱。为了训练我们的本地化网络，我们通过对训练集中的每一幅图像应用以下步骤，从训练集中生成了大约3000万幅图像。对于每幅图像，我们生成相同数量的平方样本，使样本总数大约为1000万。对于每幅图像，样本被桶状填充，这样，对于0 - 5%、5 - 15%、15 - 50%、50 - 100%范围内的每个比例，都有相同数量的样本，其中被包围框覆盖的比例在给定范围内。训练集和我们大多数超参数的选择是基于过去使用非公开数据集的经验。在下面的实验中，我们没有探索任何非标准数据生成或正则化选项。在所有的实验中，所有的超参数都是通过对训练集。 Pascal Visual Object Classes (VOC)挑战是最常用的对象检测算法基准。它主要由复杂的场景图像组成，其中包含了20种不同的对象类别的边界框。在我们的评估中，我们关注的是2007版VOC，为此发布了一个测试集。我们通过培训VOC 2012展示了结果，其中包含了大约。11000张图片。我们训练了一个100框的定位器和一个基于深度网络的分类器。 我们在一个由1000万作物组成的数据集上训练分类器，该数据集重叠的对象至少为 jaccard重叠相似度。这些作物被标记为20个VOC对象类中的一个。•2000万负作物与任何物体盒最多有个Jaccard相似度。这些作物被贴上特殊的“背景”类标签。体系结构和超参数的选择遵循。 在第一轮中，定位器模型应用于图像中最大-最小中心方形作物。作物的大小调整到网络输入大小is220×220。单次通过这个网络，我们就可以得到上百个候选日期框。在对重叠阈值为的非最大抑制后，保留评分最高的前10个检测项，并通过21路分类器模型分别通过网络进行分类。最终的检测分数是给定盒子的定位分数乘以分类器在作物周围的最大方形区域上评估的分数的乘积。这些分数通过评估，并用于计算精确查全曲线。 首先，我们分析了本地化器在隔离状态下的性能。我们给出了被检测对象的数量，正如Pascal检测标准所定义的那样，与生成的包围框的数量相对比。在图1中，我们展示了使用VOC2012进行训练所获得的结果。此外，我们通过使用图像的最大中心面积(max-center square crop)作为输入以及使用两个尺度(second scale)来给出结果:最大中心面积(max-center crop)的第二个尺度(select3×3windows的大小为图像大小的60%)正如我们所看到的，当使用10个边界框的预算时，我们可以用第一个模型本地化的对象，用第二个模型本地化48%的对象。这显示出比其他报告的结果更好的性能，例如对象度算法达到42%[1]。此外，这个图表显示了在不同分辨率下观察图像的重要性。虽然我们的算法通过使用最大中心作物获得了大量的对象，但当使用更高分辨率的图像作物时，我们获得了额外的提升。进一步，我们用21-way分类器对生成的包围盒进行分类，如上所述。表1列出了VOC 2007的平均精度(APs)。达到的平均AP是，与先进水平相当。注意，我们的运行时间复杂度非常低——我们只使用top10框。示例检测和全精度召回曲线分别如图2和图3所示。值得注意的是，可视化检测是通过仅使用最大中心方形图像裁剪，即使用全图像获得的。然而，我们设法获得了相对较小的对象，例如第二行和第二列的船，以及第三行和第三列的羊。 在本工作中，我们提出了一种新的方法来定位图像中的对象，该方法可以预测多个边界框的时间。该方法使用深度卷积神经网络作为基本特征提取和学习模型。它制定了一个能够利用可变数量的groundtruth位置的多箱定位成本。在“一个类一个箱”方法的情况下，对1000个盒子进行非max-suppression，使用与给定图像中感兴趣的DeepMulti-Box方法相同的准则，并学习在未见图像中预测这些位置。 我们在VOC2007和ILSVRC-2012这两个具有挑战性的基准上给出了结果，在这两个基准上，所提出的方法具有竞争力。此外，该方法能够很好地预测后续分类器将探测到的位置。我们的结果表明，deepmultibox的方法是可扩展的，甚至可以在两个数据集之间泛化，就能够预测感兴趣的定位，甚至对于它没有训练的类别。此外，它能够捕获同一类物体的多种情况，这是旨在更好地理解图像的算法的一个重要特征。 在未来，我们希望能够将定位和识别路径折叠到一个单一的网络中，这样我们就能够在一个通过网络的一次性前馈中提取位置和类标签信息。即使在其当前状态下，双通道过程(本地化网络之后是分类网络)也会产生5-10个网络评估，每个评估的速度大约为1个CPU-sec(现代机器)。重要的是，这个数字并不与要识别的类的数量成线性关系，这使得所提出的方法与类似dpm的方法非常有竞争力。

论文中转 ： ImageNet Classification with Deep Convolutional Neural Networks

自Le Net-5在1998年提出以后，时隔14年，AlexNet横空问世，在2012年ImageNet竞赛中以冠军的成绩笑傲群雄，也就是从那时起，更多更优秀的网络被相继提出。论文第一作者是来自多伦多大学的Alex Krizhevsky，因此网络称为Alex Net。

在论文中，作者训练了一个大而深（相比于之前）的卷积网络用于ImageNet比赛，将120万高分辨图像分为1000个类别。在测试集上，分别达到了的top-1错误率和的top-5错误率，超越了先前最好的网络。网络共有600万参数，65万个神经元，5个卷积层加3个全连接层，输出为1000类别。为了防止过拟合，作者采用了数据扩充和dropout正则法，实验结果表明此方法非常有效；为了加快训练速度，作者采用了两块并行的GPU同时对特征图进行运算。

由于采用了双GPU模式，所以结构图呈现的是上图的样子，下面引用一张博客作者 chenyuping666 文章的图片，可以详细的了解网络内部结构与实现细节。

从上图可以看到，输入为227×227×3的图像

在conv1中 ，卷积核大小为11×11，步长为4，通道数为96（每台GPU运算48个，下同），经过激活函数Relu激活后，采用最大池化（size=3×3，stride=2），标准化，输出为27×27×96。

在conv2中 ，卷积核大小为5×5，步长为1，通道数256，先对输入特征图扩展像素为31×31（pad=2），然后卷积，激活，池化（size=3×3，stride=2），标准化，输出特征图为13×13×256。

在conv3,conv4中 ，卷积核大小都为3×3，步长为1，pad=1，通道数为384，经过激活后输出特征图为13×13×384。

在conv5中 ，卷积核大小都为3×3，步长为1，通道数为256，经过激活，池化后输出特征图为6×6×256。

在fcn6,fcn7中 ，共有4096个神经元，采用了dropout技术防止过拟合。

在fcn8 ，也就是最后一层，采用softmax输出1000个类别。

相比于之前的网络，AlexNet为何能取得比较好的结果呢，从作者的论文中可以发现以下几点：

非线性激活函数Relu 在之前一般使用tanh(x)或sigmoid作为激活函数，但这些饱和的线性函数在梯度的计算上非常缓慢，并且容易产生梯度消失问题。Relu的出现使这些问题得到了有效的解决。在基于cifar-10数据集的标准四层网络测试中，采用tanh和Relu作为激活函数使error rate达到所用的时间，Relu比tanh快大约6倍。

多个GPU 作者认为计算资源的大小限制了网络的大小，要想训练大的网络结构，必须拥有足够的计算资源。120万的数据集太大以至于单个GPU不足以匹配，因此作者将网络的计算任务分配到两个GPU上执行。目前GPU特别适合做并行化，因为一个GPU可以直接从另一个GPU读和写内容，而不需要经过主机内存。

局部响应归一化（LRN） 作者在文章中提出了Local Response Normalization的方法，分别将top-1和top-5错误率降低了和。作者在文中提到，如果训练样本产生一个正输入到Relu，网络只会在那个特定神经元上学习，但是引入局部响应正则化后，提高了网络的泛化能力。这种响应归一化会产生一种由某一神经元所激发的横向抑制，为由使用不同卷积核计算的神经元输出之中的“big activities”创造竞争。

重叠池化 一般的池化操作因为没有重叠，所以pool_size 和 stride是相等的。例如6×6的图像在size=2×2的池化后，输出为3×3，但是本文使用的size

神经网络创新论文参考文献

网络会计论文参考文献

现如今，许多人都有过写论文的经历，对论文都不陌生吧，借助论文可以有效提高我们的写作水平。你知道论文怎样才能写的好吗？以下是我精心整理的网络会计论文参考文献，仅供参考，欢迎大家阅读。

[1]邢赢文.基于BP神经网络的电子元件行业上市公司财务风险预警研究[D].辽宁师范大学,2015.

[2]吕岳林.基于时间阈值的SF公司快递超网络优化研究[D].燕山大学,2015.

[3]林楠.O2O背景下传统零售业的盈利模式创新研究[D].中国海洋大学,2015.

[4]崔欢欢.公众网络诉求与政府会计信息质量相关性的实证研究[D].山东财经大学,2016.

[5]吴小满.ST跨境电商企业物流运输成本控制研究[D].湘潭大学,2014.

[6]周姣岚.服务型制造业网络的成本控制及优化[D].广西科技大学,2015.

[7]赵广坤.可优宝贝网络商城融资方案研究[D].河北工业大学,2015.

[8]赵圆.电商网络融资模式优化及风险管控研究[D].北方工业大学,2016.

[9]宋杨.远程教育环境下多模式财务管理系统研究与应用[D].北京理工大学,2015.

[10]钟文韬.肉类加工企业销售物流成本问题研究[D].吉林大学,2016.

[11]张婉婷.我国P2P网络借贷平台内部风险控制机制研究[D].吉林大学,2016.

[12]范超群.芜湖市电子商务企业融资模式研究[D].安徽大学,2016.

[13]汪灏.中国P2P网络借贷平台财务风险研究[D].安徽大学,2016.

[14]蔡翠.B2C网上超市成本管理研究[D].江苏大学,2016.

[15]章锦华.J电子商务企业成本控制研究[D].江苏大学,2016.

[16]张妍.服装网络定制个性化服务成本及定价模型研究[D].上海工程技术大学,2016.

[17]李佳琦.电子商务下B2C企业会计收入确认时点研究[D].吉林财经大学,2016.

[18]杨洁.第三方互联网交易平台服务费定价机制研究[D].重庆理工大学,2016.

[19]黄义成.CQ公司XBRL网络财务报告应用问题研究[D].西安石油大学,2016.

[20]罗浩.O2O商业模式下的交易成本问题研究[D].兰州财经大学,2016.

[21]张婷.“互联网+”神州租车的盈利模式及财务效果研究[D].兰州财经大学,2016.

[22]陈沈升.网络交易C2C模式的税收征管问题研究[D].黑龙江大学,2016.

[23]钟明君.高维因果网与高校资产管理的模糊推理研究[D].华南理工大学,2016.

[24]文勇堂.基于贝叶斯网络方法的通信设备企业财务风险预警研究[D].辽宁大学,2016.

[25]徐文静.电商环境下协同配送模式的协同效率及成本节约值分配研究[D].西南交通大学,2016.

[26]陈维煌.基于灰色神经网络的农业上市公司财务预警实证研究[D].湖南农业大学,2015.

[27]苏伟.市场竞争环境下供电企业购售电风险分析及应对研究[D].华北电力大学,2016.

[28]张文梦.C2C模式电子商务的税收征管问题与对策研究[D].首都经济贸易大学,2016.

[29]纪彩峰.B2C电商零售企业成本控制研究[D].首都经济贸易大学,2016.

[30]胡芳.基于B2C模式下D电子商务企业内部控制研究[D].北京林业大学,2016.

[31]熊亚楠.电子商务平台企业价值创造驱动因素与传导机理研究[D].广西大学,2016.

[32]何珊.基于RBF神经网络的高端装备制造业财务风险预警研究[D].湖南大学,2016.

[33]江楠.考呀呀线上会计培训的品牌营销策略研究[D].江西师范大学,2016.

[34]杨芬.互联网金融对商业银行盈利能力及风险影响的实证研究[D].湖南大学,2016.

[35]沈威.互联网金融对商业银行盈利能力的影响研究[D].湖南大学,2015.

[36]黄诚.苏宁云商营运资金管理的OPM策略分析[D].安徽工业大学,2016.

[37]戴宙松.P2P网络借贷相关会计核算问题研究[D].长安大学,2015.

[38]贺书品.B2C电子商务经营模式下的.W公司财务分析与评价[D].长沙理工大学,2015.

[39]饶萌.网络环境下差异化会计信息披露系统构建研究[D].长沙理工大学,2015.

[40]李芳.煤炭资源开发项目融资决策研究[D].中国矿业大学,2016.

[41]郝震.B2C电子商务企业盈利模式分析[D].河北经贸大学,2015.

[42]彭菁菁.Black-Scholes与DCF模型在B2B商务企业价值评估中的互补应用[D].云南大学,2015.

[43]张腾.电子商务环境下的财务风险控制[D].云南大学,2015.

[44]张美琳.电子商务平台上的个体商铺价值评估[D].云南大学,2015.

[45]高喆.基于BP神经网络模型的制造业上市公司财务预警研究[D].北京交通大学,2015.

[46]康爱冰.中国第三方网络支付对商业银行盈利影响研究[D].北京交通大学,2015.

[47]贺璐.基于XBRL网络财务报告持续审计研究[D].山西财经大学,2015.

[48]李祖福.我国生物医药上市企业盈利能力评价研究[D].华南理工大学,2015.

[49]樊华.基于BP神经网络的矿业上市公司财务风险预警研究[D].中国地质大学,2015.

[50]安校良.基于灰色神经网络的制造业上市公司财务危机预警研究[D].兰州大学,2015.

[51]顾永明.电子商务零售企业价值评估[D].昆明理工大学,2015.

[52]邬蕊竹.基于复杂网络的云会计AIS可信需求演化传播影响[D].重庆理工大学,2015.

[53]陈诚.基于复杂网络的云会计AIS产品可信性结构及其演化研究[D].重庆理工大学,2015.

[54]王涛.通信工程项目施工的成本管理[D].西安建筑科技大学,2015.

[55]冯康进.电网企业集团财务报表自动生成及数据挖掘应用研究[D].华北电力大学,2015.

[56]李玉.跨境电子商务创业企业绩效影响因素实证分析[D].江西师范大学,2015.

[57]李博泉.人民币升值背景下上市外贸企业财务风险预警体系研究[D].江苏科技大学,2015.

[58]邵欣欣.顾客视角的网络品牌资产影响因素研究[D].西安工程大学,2015.

[59]赵伟.基于BP神经网络的电力企业上市公司财务风险管理研究[D].华北电力大学,2015.

[60]李砚砚.基于无标度网络的制造网格资源配置研究[D].南京邮电大学,2015.

[61]彭一俫.中国B2C电子商务企业的交易成本研究[D].华北电力大学,2015.

[62]黄勇军.知识管理理论视野下网络课程设计探索[D].湖南师范大学,2015.

[63]邹松庆.基于作业成本法的烟草物流企业的成本控制[D].陕西科技大学,2014.

[64]王骏海.电动汽车充换电网络规划的技术经济评价研究[D].华北电力大学,2014.

[65]郝青.遗传算法优化BP神经网络的制造业上市公司财务预警研究[D].河北大学,2014.

[66]刘魏星.网络时代我国电子商务企业财务模式研究[D].陕西科技大学,2014.

[67]孙卓琳.网络零售企业财务风险控制研究[D].财政部财政科学研究所,2014.

[68]刘振坤.云会计环境下基于社会网络的会计信息失真影响研究[D].重庆理工大学,2014.

[69]曹彤.山东省制造业上市公司财务风险预警研究[D].西北农林科技大学,2014.

[70]王威.基于F2C的物流配送网络成本优化理论与方法研究[D].中南大学,2014.

[71]黄良润.县域小微企业的融资方案设计[D].安徽财经大学,2014.

[72]蒋蔚.基于供应链的电子商务企业成本控制研究[D].西南石油大学,2014.

[73]王培培.基于商业银行复杂资金网络富节点同配性及弱连接强度机制研究[D].中国海洋大学,2014.

[74]陈锡江.企业社会责任成本研究[D].西南财经大学,2010.

[75]邵露.网络环境下的会计凭证研究[D].石河子大学,2014.

[76]马雪萍.基于网络DEA的河北省煤炭企业绩效评价研究[D].河北工程大学,2014.

[77]陈丹萍.B2C电子商务企业物流成本控制探析[D].江西财经大学,2014.

[78]冯元勇.电子商务环境下家电行业资产结构与经营绩效关系研究[D].广东工业大学,2014.

[79]孟爽.高技术服务创新网络发展视角下的中国南车税收负担研究[D].湖南大学,2014.

[80]程姗姗.复杂贸易网络对外贸交易成本的影响[D].湖南大学,2014.

[81]何婷.基于XBRL的网络财务报告应用研究[D].新疆财经大学,2014.

[82]刘聪.会计网络培训需求研究[D].浙江财经大学,2015.

[83]刘艳红.运营能力对O2O初创企业融资的影响分析[D].华南理工大学,2015.

[84]杨燕.网络会计信息系统构建相关问题的研究[D].中国海洋大学,2012.

[85]邢婧.基于XBRL的网络财务报告应用问题研究[D].山西财经大学,2014.

[86]王培培.网络会计信息系统安全对策研究[D].山西财经大学,2014.

[87]卢建勋.基于XBRL网络财务报告的持续审计研究[D].山东财经大学,2013.

[88]张泽南.基于XBRL网络财务报告及其在我国应用研究[D].兰州大学,2013.

[89]郑保生.基于XBRL的网络财务报告的应用效果评价研究[D].河南理工大学,2013.

[90]马菁.XBRL网络财务报告的应用研究[D].西南财经大学,2013.

[91]陈秀伟.基于XBRL的网络财务报告模式研究[D].安徽财经大学,2012.

[92]李梦.基于XBRL的网络财务报告在我国的应用研究[D].沈阳大学,2012.

[93]焦珊珊.基于网络环境下的会计信息披露研究[D].长安大学,2013.

[94]陈治奎.企业逆向物流网络成本优化与决策研究[D].山东理工大学,2012.

[95]秦晓静.“银行-企业”资金融通网络演化机理分析[D].太原科技大学,2012.

[96]陈敏.基于偏最小二乘BP神经网络的财务预警研究[D].黑龙江八一农垦大学,2012.

[97]刘凯.网络财务报告决定因素研究[D].兰州商学院,2012.

[98]张书娟.网络财务信息披露对公司财务绩效作用研究[D].首都经济贸易大学,2012.

[99]付冉冉.我国XBRL网络财务报告应用研究[D].山东财经大学,2012.

[100]彭翎.基于生产实践和神经网络相结合的醋纤企业制造成本分析[D].云南大学,2012.

[101]郑园.基于价值网络的经济型酒店战略成本管理研究[D].武汉理工大学,2012.

[102]钟灵芝.基于神经网络模型的我国外贸上市企业财务预警的研究[D].天津大学,2012.

[103]毛建.川投化工网络费用报销系统的设计与实现[D].电子科技大学,2013.

[104]薛婷.网络财务报告的决策导向特征及其实现路径研究[D].西安石油大学,2012.

[105]姜博.网络环境下会计信息系统内部控制架构研究[D].东北财经大学,2012.

[106]邵丽.基于新通道的中国进口原油运输网络优化研究[D].大连海事大学,2012.

[107]余姝纬.XBRL网络财务报告模式应用评价研究[D].陕西科技大学,2012.

[108]王丹丹.基于BP神经网络中国医药行业上市公司财务危机预警研究[D].安徽大学,2012.

[109]孙祖妮.基于成本动因BP神经网络的铁路物流货运成本预测[D].北京交通大学,2012.

[1]徐静.我国企业社会责任会计信息披露探析[J].企业导报.2012(15):22-25.

[2]张明霞.李云鹏.企业社会责任会计信息披露问题研究[J].经济研究导刊.2011(20):40-43.

[3]路秀平.任会来.我国社会责任会计信息披露模式现实选择[J].会计之友(上旬刊).2012(12):89-92.

[4]马海波.英美社会责任会计信息披露特色比较研究[J].财会学习.2012(10):18-22.

[5]陈长宏.陈环.张科.论食品质量与食品安全性[J].现代农业科技.2013(12):112-114.

[6]黎勇平.企业社会责任会计信息披露与企业市场价值的相关性研究[J].南华大学2012:33-34.

[7]刘勇.我国企业社会责任会计信息披露研究[D].西北大学,2013.

[8]周新颖.我国煤炭行业上市公司社会责任会计信息披露研究[D].南华大学,2011.

[9]刘尚林.公梅.企业社会责任会计信息披露模式的选择[J].财会月刊.2009(36):68-71.

[10]金曼.我国社会责任会计核算体系的研究[D].上海海事大学,2013.

随着科学技术的发展，人工神经网络技术得到了空前的发展，并且在诸多领域得到了广泛的应用，为人工智能化的发展提供了强大的动力。以下是我整理分享的人工智能神经网络论文的相关资料，欢迎阅读!

人工神经网络的发展及应用

摘要随着科学技术的发展，人工神经网络技术得到了空前的发展，并且在诸多领域得到了广泛的应用，为人工智能化的发展提供了强大的动力。人工神经网络的发展经历了不同的阶段，是人工智能的重要组成部分，并且在发展过程中形成了自身独特的特点。文章对人工神经网络的发展历程进行回顾，并对其在各个领域的应用情况进行探讨。

关键词人工神经网络;发展;应用

随着科学技术的发展，各个行业和领域都在进行人工智能化的研究工作，已经成为专家学者研究的热点。人工神经网络就是在人工智能基础上发展而来的重要分支，对人工智能的发展具有重要的促进作用。人工神经网络从形成之初发展至今，经历了不同的发展阶段，并且在经济、生物、医学等领域得到了广泛的应用，解决了许多技术上的难题。

1人工神经网络概述

关于人工神经网络，到目前为止还没有一个得到广泛认可的统一定义，综合各专家学者的观点可以将人工神经网络简单的概括为是模仿人脑的结构和功能的计算机信息处理系统[1]。人工神经网络具有自身的发展特性，其具有很强的并行结构以及并行处理的能力，在实时和动态控制时能够起到很好的作用;人工神经网络具有非线性映射的特性，对处理非线性控制的问题时能给予一定的帮助;人工神经网络可以通过训练掌握数据归纳和处理的能力，因此在数学模型等难以处理时对问题进行解决;人工神经网络的适应性和集成性很强，能够适应不同规模的信息处理和大规模集成数据的处理与控制;人工神经网络不但在软件技术上比较成熟，而且近年来在硬件方面也得到了较大发展，提高了人工神经网络系统的信息处理能力。

2人工神经网络的发展历程

萌芽时期

在20世纪40年代，生物学家McCulloch与数学家Pitts共同发表文章，第一次提出了关于神经元的模型M-P模型，这一理论的提出为神经网络模型的研究和开发奠定了基础，在此基础上人工神经网络研究逐渐展开。1951年，心理学家Hebb提出了关于连接权数值强化的法则，为神经网络的学习功能开发进行了铺垫。之后生物学家Eccles通过实验证实了突触的真实分流，为神经网络研究突触的模拟功能提供了真实的模型基础以及生物学的依据[2]。随后，出现了能够模拟行为以及条件反射的处理机和自适应线性网络模型，提高了人工神经网络的速度和精准度。这一系列研究成果的出现为人工神经网络的形成和发展提供了可能。

低谷时期

在人工神经网络形成的初期，人们只是热衷于对它的研究，却对其自身的局限进行了忽视。Minskyh和Papert通过多年对神经网络的研究，在1969年对之前所取得的研究成果提出了质疑，认为当前研究出的神经网络只合适处理比较简单的线性问题，对于非线性问题以及多层网络问题却无法解决。由于他们的质疑，使神经网络的发展进入了低谷时期，但是在这一时期，专家和学者也并没有停止对神经网络的研究，针对他们的质疑也得出一些相应的研究成果。

复兴时期

美国的物理学家Hopfield在1982年提出了新的神经网络模型，并通过实验证明在满足一定的条件时，神经网络是能够达到稳定的状态的。通过他的研究和带动，众多专家学者又重新开始了对人工神经网络方面的研究，推动了神经网络的再一次发展[3]。经过专家学者的不断努力，提出了各种不同的人工神经网络的模型，神经网络理论研究不断深化，新的理论和方法层出不穷，使神经网络的研究和应用进入了一个崭新的时期。

稳步发展时期

随着人工神经网络研究在世界范围内的再次兴起，我国也迎来了相关理论研究的热潮，在人工神经网络和计算机技术方面取得了突破性的进展。到20世纪90年代时，国内对于神经网络领域的研究得到了进一步的完善和发展，而且能够利用神经网络对非线性的系统控制问题进行解决，研究成果显著。随着各类人工神经网络的相关刊物的创建和相关学术会议的召开，我国人工神经网络的研究和应用条件逐步改善，得到了国际的关注。

随着人工神经网络的稳步发展，逐渐建立了光学神经网络系统，利用光学的强大功能，提高了人工神经网络的学习能力和自适应能力。对非线性动态系统的控制问题，采取有效措施，提高超平面的光滑性，对其精度进行改进。之后有专家提出了关于人工神经网络的抽取算法，虽然保证了精度，但也加大了消耗，在一定程度上降低了神经网络的效率，因此在此基础上又提出了改进算法FERNN。混沌神经网络的发展也得到了相应的进步，提高了神经网络的泛化能力。

3人工神经网络的应用

在信息领域中的应用

人工神经网络在信息领域中的应用主要体现在信息处理和模式识别两个方面。由于科技的发展，当代信息处理工作越来越复杂，利用人工神经网络系统可以对人的思维进行模仿甚至是替代，面对问题自动诊断和解决，能够轻松解决许多传统方法无法解决的问题，在军事信息处理中的应用极为广泛[4]。模式识别是对事物表象的各种信息进行整理和分析，对事物进行辨别和解释的一个过程，这样对信息进行处理的过程与人类大脑的思维方式很相像。模式识别的方法可以分为两种，一种是统计模式识别，还有一种是结构模式识别，在语音识别和指纹识别等方面得到了广泛的应用。

在医学领域的应用

人工神经网络对于非线性问题处理十分有效，而人体的构成和疾病形成的原因十分复杂，具有不可预测性，在生物信号的表现形式和变化规律上也很难掌握，信息检测和分析等诸多方面都存在着复杂的非线性联系，所以应用人工神经网络决解这些非线性问题具有特殊意义[5]。目前，在医学领域中的应用涉及到理论和临床的各个方面，最主要的是生物信号的检测和自动分析以及专家系统等方面的应用。

在经济领域中的应用

经济领域中的商品价格、供需关系、风险系数等方面的信息构成也十分复杂且变幻莫测，人工神经网络可以对不完整的信息以及模糊不确定的信息进行简单明了的处理，与传统的经济统计方法相比具有其无法比拟的优势，数据分析的稳定性和可靠性更强。

在其他领域的应用

人工神经网络在控制领域、交通领域、心理学领域等方面都有很广泛的应用，能够对高难度的非线性问题进行处理，对交通运输方面进行集成式的管理，以其高适应性和优秀的模拟性能解决了许多传统方法无法解决的问题，促进了各个领域的快速发展。

4总结

随着科技的发展，人工智能系统将进入更加高级的发展阶段，人工神经网络也将得到更快的发展和更加广泛的应用。人工神经网络也许无法完全对人脑进行取代，但是其特有的非线性信息处理能力解决了许多人工无法解决的问题，在智能系统的各个领域中得到成功应用，今后的发展趋势将向着更加智能和集成的方向发展。

参考文献

[1]徐用懋，冯恩波.人工神经网络的发展及其在控制中的应用[J].化工进展，1993(5)：8-12，20.

[2]汤素丽，罗宇锋.人工神经网络技术的发展与应用[J].电脑开发与应用，2009(10)：59-61.

[3]李会玲，柴秋燕.人工神经网络与神经网络控制的发展及展望[J].邢台职业技术学院学报，2009(5)：44-46.

[4]过效杰，祝彦知.人工神经网络的发展及其在岩土工程领域研究现状[J].河南水利，2004(1)：22-23.

[5]崔永华.基于人工神经网络的河流汇流预报模型及应用研究[D].郑州大学，2006.

下一页分享更优秀的<<<人工智能神经网络论文

中文摘要 3-5英文摘要 5-61 绪论 问题的提出及研究意义 变革中的就业环境与当代大学生就业形势分析 大学生的电子商务创业实践迫切需要支持和引导 加强创业教育是建设创新型国家、培养创新型人才的需要 国内外关于大学生创业教育研究的现状综述 国外的研究现状 国内的研究现状 本文的研究方法和思路 本文的研究方法 本文的研究思路 18-192 重庆市大学生电子商务创业现状调查 调查概述 调查问卷的设计、发放和回收 问卷设计 问卷发放和回收 调查结果的数据统计和处理 数据处理方法简介 数据处理的结果 个案调查的过程和方法 23-253 调查结果分析 大学生电子商务创业的基本形势 调查问卷结果分析 大学生创业意愿分析 大学生对电子商务的认知程度 大学生创业素质分析 目前大学生创业面临的主要困难 对创业教育与政策扶持的需求 案例分析 网上开店的优势 专业网站的选择 电子商务的实质是商业 网上数字商品交易 创业为大学生提供自我认识的途径 C2C 的安全与信用 第三方意见 互联网上的其他创业方式 42-444 大学生网上创业教育的对策建议 通过创业实践培养学生的竞争意识 营造良好的网上创业环境 因势利导激发学生的创业兴趣 构建我国大学生创业教育体系 努力培植创业教育的长效机制 51-545 结论 54-56致谢 56-57参考文献 57-6金融危机背景下大学生利用C2C电子商务进行网络创业现状作者：李志 | 最后更新：2009-12-6【摘要】原本面临就业难的大学生遭遇金融危机，面对严峻的就业形势，越来越多的大学生走上创业的道路。在金融危机背景下仍快速发展的C2C电子商务给大学生创业提供了新的途径，大学生网上开店悄然兴起。中国C2C电子商务发展面临法律制度不够完善、交易信用有待提高、国人消费习惯有待改变等问题。大学生心理素质、自身创业素质仍有待提高。在这种情况下，需要中国C2C电子商务市场的不断发展完善以及高校和大学生自身的不断努力，让大学生网络创业在解决大学生就业问题中发挥积极作用。【关键词】金融危机；大学生；网络创业；C2C电子商务一、大学生C2C电子商务模式网络创业的定义及特点网络创业是指利用计算机网络及其他电子通讯设备，发现和捕捉新的市场机会，提供新的商品或服务，以创造新价值的过程。网络创业区别于其他创业的3个关键维度特征包括虚拟性、技术性和分布性。虚拟性：指网络创业需要借助电子网络工具跨越时空进行。例如，网上商品陈列、网上销售、网上咨询、网上信息传送等一系列远程工作、贸易活动。技术性：指网络创业需要有较高科技含量的知识技术支持。例如，网络平台构建、网络安全、电子支付、系统集成等。分布性：网络创业需要拥有不同资源的人或企业跨越部门或组织边界来协作进行，例如，通过第三方物流配送、委托银行进行电子结算、第三方网络技术服务支持等[1]。网络创业属于电子商务的范畴，电子商务有B2B（BUSINESS TO BUSINESS）、B2C（BUSINESS TO CUSTOMER）、C2C（CONSUMER TO CONSUMER）三种模式。大学生的网络创业大致可以分为4种类型：一种是自己建立网站，从事某种商业活动；二是利用现有的网络平台进行创业活动，如在C2C网站上开网店、在威客网上承接有偿的任务等；三是利用自己的网络创意和知识，注册网络资源（如注册买卖域名）、提供网络服务（如为企业或别人的网站提供宣传推广等）创业；四是利用自己的网络技术创业[2]。目前大学生网络创业的主要形式是加盟C2C网站开办自己的网店。C2C（CONSUMER TO CONSUMER）就是个人与个人之间的网上电子交易市场，个人卖家通过电脑上传产品到网上市场，买家通过电脑接入网上市场，了解产品，从而购买的网上交易市场。在这个市场里，买家和卖家都是个人而非企业，是个人与个人在进行产品、服务及信息的交换[3]。国内知名的C2C网站平台有淘宝、TOM易趣、拍拍、百度有啊等。国外的有EBAY、AMAZON AUCTION等。二、中国C2C电子商务发展情况据中国互联网信息中心提供的《2008年中国网络购物调查研究报告》显示，上海的网络购物渗透率（指半年内在网上买过东西的用户数量占网民数量的比例）达。其次是北京，网络购物渗透率为。再次是广州，为。其他城市的平均网络购物渗透率是，总体网络购物渗透率达到。而在购物网站的网络购物渗透率方面，C2C购物网站淘宝网已经达到，与位列第二三位的B2C购物网站当当网、卓越亚马逊网差距为近65个百分点。由此看来C2C电子商务已形成较大市场规模[4]。据2008年中国互联网调查报告的统计数据显示，C2C模式一直是我国网上购物的主要形式，预计未来两年我国C2C电子商务网站的总营收规模将继续迅速增加。2008年C2C电子商务网站交易规模将达到678亿元人民币，增长率为，2009年交易规模将达到约1023亿元人民币。C2C电子商务市场仍处于发展初期，有C2C购物经历的网民不足三成，且集中在大城市，普及率比较低，其背后隐藏着一个巨大的增量市场，有着非常大的上升空间。未来几年，我国C2C市场的发展将由量变到质变，进入快速发展阶段。政府方面鼓励电子商务加速发展，党的十六届三中全会明确提出：“大力推进市场对内外开放。加快要素价格市场化。发展电子商务、连锁经营、物流配送等现代流通方式，促进商品和各种要素在全国范围内自流动和充分竞争。”三、金融危机给C2C电子商务带来的新机遇当股指跌破2000点的时候，当国际油价跌破50美元/桶的时候，当房价下调最高达40%的时候，谁能抵抗住刺骨的寒风？艾瑞咨询统计，2008年全年网络交易规模接近2700亿元，超预期2000亿元交易规模的30%以上，报告还指出，在未来一两年内，中国电子商务交易额还将保持着20%左右增长速度。无疑，电子商务是这个“大萧条时代”最大的赢家[5]。（1）金融危机揭开电子商务的新时代。在这里引用阿里巴巴集团董事局主席兼首席执行官马云的话“金融危机对我们来讲是百年一次碰到的机遇，标志着世界将进入一个新商业文明时代，工业将进入后工业时代。后工业时代即信息化和工业化的完美结合。这次金融和经济危机在中国意味着我们揭开了电子商务的新时代。”金融危机导致大批的中小企业倒闭，但那些敢于尝试信息技术，敢于创新，敢于找生存渠道的企业生命力极强。信息化时代是个性化的时代，而电子商务正是个性化大发展的平台。（2）金融危机导致消费者消费习惯的转变。金融危机直接导致消费者收入水平降低，购买能力下降，但基本消费仍不可或缺，多数消费者尽可能的找一些更便宜的商品来替代，甚至花更多的时间去寻找性价比更高的商品，电子商务恰好为他们提供了这样的渠道，这为电子商务的发展提供了坚实的基础。四、大学生C2C模式网络创业现状1．在校大学生网络创业模式初探索大学生作为伴随着网络大发展成长起来的一代，对于网络创业有着先天的优势。当今社会网络迅速发展，信息渠道更加广阔，大学生的视野也更加宽广。就业难和金融危机的大前提下，大学生的忧患意识和自主创业意识也较以往有所增强，在校的大学生们已经未雨绸缪，拉开了校园创业的帷幕。在校期间通过家教、销售等各种兼职、实习来增加自己工作经历的学生大有人在，利用校内网站开始经商的大学生也日渐增多。在网络购物已经成为一种被大学生普遍接受的消费方式同时，部分有着商业头脑的大学生已经不满足于仅充当网络消费者，开始了网络营销创业模式探索，在网络创业大军里小试牛刀。高校丰富的网络资源和网络消费群体更是为大学生网络创业提供了肥沃的土壤。网络营销创业模式的校园雏形当属高校论坛上的各种校园商品销售代理、团购代理以及各种二手交易。高校BBS的二手交易板块和校园代理板块人气十足，各具特色，很多高校的BBS更设置了代理专区，供校园内代理们发布商品信息，描述商品、展示图片，卖家和买家相互交流评论。在这里，大学生们进行网络创业试水。怎样寻找质优价廉的货源，拿到合适的代理价，如何推介商品，吸引买家，如何与买家沟通，货后服务如何开展…创业先行者们在实践中积累宝贵经验。与在校内网站上发帖进行交易的方式相比，加盟C2C网站平台，开办自己的网上店铺，就成了大学生进行网络营销创业模式的高一级的选择。在这里，交易行为更加规范，竞争更加激烈，需要学习的东西更多。从怎样加盟合适的C2C网站平台，进行市场需求调研，定位自己的商铺，寻找合适的货源，到展示宣传自己的商品，确定合适的价位，在无数的网店中脱颖而出，争取到买家，提高销量，到物流配送的合作，售后服务的跟进。大学生们尽情发挥自己的聪明才智，利用自身或周围朋友的外形优势，充当免费模特，利用熟练地摄像技术，多方位全面的展示商品，结合自身和周围同学朋友对商品使用的感受，提供量身的建议，加之大多卖家本身也是买家，了解买家的心理，有利于和买家沟通交流，争取到买家的好评，对时尚和流行的敏感有助于抓住商机，提升销量，这些都是大学生网上经商的优势。但大学生利用C2C电子商务进行网络创业仍有很多问题需要注意。2．大学生利用C2C电子商务进行网络创业和一般创业形式相比较的优势电子商务和传统商务相比，有着特有的优势：（1）可以实现零库存。卖家只需展示商品信息，对商品进行描述，无需现货，充当着买家和厂家之间的中介，按需订货，量出为入。（2）低成本。前期不需要很大的资金投入，只需相对少量的固定资金，一台电脑和网络条件即可。（3）低门槛。很多大型的C2C网站对入住品牌或商城的用户不收取或收取少量的服务费。开办一家自己的网店成为易事。（4）易上手。对于熟悉网络的大学生来说，网络操作程序不是难事。对于缺少资金和经验的大学生来说，网络创业是实现创业梦想的优选途径。3．大学生利用C2C网站平台进行网络创业的需要注意的问题一是从中国C2C发展现状来看，C2C模式虽然具有很大的发展潜力，但是在它仍然面临许多问题。（1）法律制度有待完善。网上交易、电子商务都是近几年才出现的新鲜事物，各国都在积极探讨制定合适的法律来规范电子商务的行为。而目前，由于法律的不完善，参与网上交易的个人、企业的权益得不到保障。（2）交易信用与风险控制。互联网跨越了地域的局限，把全球变成一个巨大的“地摊”，而互联网的虚拟性决定了C2C的交易风险更加难以控制。以易趣为例，根据统计，在其每二万五千件交易中就会发生一起案件。网络在C2C方面已经到了比较严重的地步。需要电子交易平台提供商扮演主导地位，建立起一套合理的交易机制，一套有利于交易在线达成的机制。（3）国人的消费习惯有待改变和培养。电子商务在中国出现毕竟只有短短数年时间，除了受过专业教育的白领、乐于尝试新鲜事物的年轻人，很少有人愿意接受在线购物的消费方式。并且，国人的计算机使用能力和水平也制约了C2C电子商务的发展。这些，需要时间来对消费者进行培训，对市场进行培养。二是从大学生自身来讲，自身创业素质有待提高。首先，要摆正自己的心态，做好艰苦创业的准备，随时准备迎接失败。创业都会有风险，网络创业相对较小，但风险依然存在，大学生校内网站经商的目的一般只是赚些钱，补贴日常生活，很少将其上升到创业的高度，运作上大多不规范，缺少一定的规划和发展目标，往往是随兴而做，能成规模的很少，坚持下来的也不多。而实际的创业不能仅凭兴趣，需要预先对市场需求和前景做出估算和调查，对未来的发展做出一定的规划，不能仅凭三分钟热度，要做好长久奋斗的准备。网络创业的前期是很辛苦的铺垫工作，也许做了很多努力，却因各种原因，收益甚少，经营惨淡，需要创业者不断总结经验，调整经营策略，如果没有持久的恒心和战胜困难的决心很容易以失败收场。其次，要有承受各种压力的心理素质。网络营销和实体经营相比，中间环节增多，经营者面临更大的压力。来自货源管理、顾客管理、竞争对手、物流管理、信息安全、虚拟沟通、信息处理等各方面的压力让很多刚开始涉足C2C电子商务的新手们不堪重压。怎样争取到自己的顾客群并维持下去，怎样在同类商品经营中脱颖而出，怎样克服网络沟通中信息的多变性和不准确性，选择什么样的物流配送方式，每天面对大量的咨询和信息，该如何分配自己的时间等等，所有这些环节都考验着网络经营者的体力、脑力和心力。初创者们需要在压力中快速学习和成长，没有良好的心理素质，往往会在经营之初就败下阵来。另外，要有自己的个性化经营。在C2C网站上茫茫如海的商铺里，面对同一件商品，购物者有多个选择。网络经营者如何吸引到消费者，把他们变成自己的顾客，需要个性化的经营方式，才能在如雨后春笋般不断增加的网店中找到自己的立足之地。信息化时代是个性化服务的时代，创新是网络经营的生命力所在。最后，诚信永远是根本。要想在网络创业的道路上走的长远，必须要立好诚信的根本。网络创业由于具有虚拟性，存在着很多虚假信息，网上商铺里也有很多靠欺手段获得好评度的例子，但终归难以持久。唯有从商品性价比和服务质量上不断提高，才能在网络创业中走的更远。以上几个方面的努力仍然不够，大学生创业者在创业之前和创业过程中都需要不断学习。创业前期主要是理论知识的铺垫和实践的准备，创业过程中则是更多实战经验的积累。大学生具备了创业的热情和吃苦耐劳的精神，但传统教育下的大学生缺乏创业意识，实践准备不足，创业能力较低。对市场需求把握不准确，对创业风险预计不足，对创业流程专业知识不够，这些都将成为制约大学生网络创业的短板。在这一方面，需要高校和学生双方的共同努力。三是学校方面应该努力为学生营造适合创业的环境。（1）加强创业教育。很多学校都开设了就业指导规划课程，但创业类的课程很少，而且就业指导课程也多偏于理论知识，实用性不强，导致学生对这类课程兴趣不高，学习效果不佳。在这方面学校要完善课程体系，开设有关创业的课程和学分，使大学生创业教育逐步规范化，并且在开设这类课程时增加一些创业模拟或实践的部分，增强学生的实践能力。（2）联合企业开展创业设计大赛，如北京高校的“挑战杯”创业设计大赛。用此类的创业设计比赛，激发起大学生对创业的兴趣，增加创业实践训练。（3）鼓励校内创业。大学生创业能力是一种综合能力，创业者除了要有较强创新能力外，还需要具备较强的组织管理能力，宽厚的专业和非专业知识，而高校多学科的教育体系使校内创业的学生可以尽快做到课堂理论学习与创业实践相结合。学校对校内创业活动应给予鼓励、支持、理解，给予资金、政策上必要的支持[6]。（4）毕业大学生创业过程中，学校可以提供一定的创业咨询帮助，帮助创业者更好地克服创业过程中遇到的困难。（5）积极宣传国家对大学生创业的相关优惠政策，让大学生创业者能充分享受政策上的优惠条件。五、大学生利用C2C电子商务进行网络创业的未来发展展望金融危机背景下的大学生就业创业形势依然严峻，电子商务在金融危机带来的新机遇下蓬勃发展，虽然中国C2C电子商务发展仍面临很多问题，大学生自身创业素质仍有待提高，高校在大学生创业教育和支持力度方面有待加强，但暴露问题和分析问题是解决问题的前提，相信在不久的将来，大学生C2C网络创业模式将更加成熟，在解决大学生就业创业问题中将发挥更加积极的作用。参考文献：[1]龚志周.网络创业特征实证研究[J].经济，2009（1）.[2]李凌己.网络创业，大学生准备好了吗[N].中国教育报，2009-8-19.[3]舒琬岚.网络营销：大学生创业模式选择[J].合作经济与科技，2009，（3）.[4]钱懿，王少华，王军.C2C电子商务作为大学生个人创业途径之一的浅析[J].商场现代化，2009（5）.[5]南方.电子商务解金融危机下就业难题[N].中国企业报，2009-3-17.[6]俞慧雯.大学生社团市场化运作对开展创业教育的启示[J]现代商业.2009，（2）.李志：中国地质大学（北京）人文经管学院高等教育学专业硕士研究生责任编辑：杨长征、李广文注：该文为第五届中国青少年发展论坛（2009）应征论文，由中国青少年研究会办公室供稿。

神经网络论文

原文： Scalable Object Detection using Deep Neural Networks——学术范 最近，深度卷积神经网络在许多图像识别基准上取得了最先进的性能，包括ImageNet大规模视觉识别挑战(ILSVRC-2012)。在定位子任务中获胜的模型是一个网络，它预测了图像中每个对象类别的单个边界框和置信度得分。这样的模型捕获了围绕对象的整幅图像上下文，但如果不天真地复制每个实例的输出数量，就无法处理图像中同一对象的多个实例。在这篇论文中提出了一个显著性启发的神经网络检测模型，它预测了一组与类无关的边界框，每个框有一个分数，对应于它包含任何感兴趣的对象的可能性。该模型自然地为每个类处理数量可变的实例，并允许在网络的最高级别上进行跨类泛化。 目标检测是计算机视觉的基本任务之一。一个解决这个问题的通用范例是训练在子图像上操作的对象检测器，并在所有的场所和尺度上以详尽的方式应用这些检测器。这一范例被成功地应用于经过区别训练的可变形零件模型(DPM)中，以实现检测任务的最新结果。对所有可能位置和尺度的穷举搜索带来了计算上的挑战。随着类数量的增加，这个挑战变得更加困难，因为大多数方法都训练每个类单独的检测器。为了解决这个问题，人们提出了多种方法，从检测器级联到使用分割提出少量的对象假设。 关于对象检测的文献非常多，在本节中，我们将重点讨论利用类不可知思想和解决可伸缩性的方法。 许多提出的检测方法都是基于基于部件的模型，最近由于有区别学习和精心设计的特征，已经取得了令人印象深刻的性能。然而,这些方法依赖于在多个尺度上详尽地应用零件模板，这是非常昂贵的。此外，它们在类的数量上是可伸缩的，这对像ImageNet这样的现代数据集来说是一个挑战。 为了解决前一个问题，Lampert等人使用分支绑定策略来避免计算所有可能的对象位置。为了解决后一个问题，Song et al.使用了一个低维部件基，在所有对象类中共享。基于哈希算法的零件检测也取得了良好的结果。 另一种不同的工作，与我们的工作更接近，是基于对象可以本地化的想法，而不必知道它们的类。其中一些方法建立在自底向上无阶级分割[9]的基础上。通过这种方式得到的片段可以使用自上而下的反馈进行评分。基于同样的动机，Alexe等人使用一种廉价的分类器对对象假设是否为对象进行评分，并以这种方式减少了后续检测步骤的位置数量。这些方法可以被认为是多层模型，分割作为第一层，分割分类作为后续层。尽管它们编码了已证明的感知原理，但我们将表明，有更深入的模型，充分学习可以导致更好的结果。 最后，我们利用了DeepLearning的最新进展，最引人注目的是Krizhevsky等人的工作。我们将他们的边界盒回归检测方法扩展到以可扩展的方式处理多个对象的情况。然而，基于dnn的回归已经被Szegedy等人应用到对象掩模中。最后一种方法实现了最先进的检测性能，但由于单个掩模回归的成本，不能扩展到多个类。 我们的目标是通过预测一组表示潜在对象的边界盒来实现一种与类无关的可扩展对象检测。更准确地说，我们使用了深度神经网络(DNN)，它输出固定数量的包围盒。此外，它为每个盒子输出一个分数，表示这个盒子包含一个对象的网络信任度。 为了形式化上述思想，我们将i-thobject框及其相关的置信度编码为最后一网层的节点值: Bounding box: 我们将每个框的左上角和右下角坐标编码为四个节点值，可以写成vectorli∈R4。这些坐标是归一化的w. r. t.图像尺寸，以实现图像绝对尺寸的不变性。每个归一化坐标是由最后一层的线性变换产生的。 Confidence: 置信度:包含一个对象的盒子的置信度得分被编码为单个节点valueci∈[0,1]。这个值是通过最后一个隐藏层的线性变换产生的，后面跟着一个sigmoid。 我们可以组合边界盒位置sli,i∈{1，…K}为一个线性层。同样，我们可以将所有置信区间ci,i∈{1，…K}作为一个s型层的输出。这两个输出层都连接到最后一个隐藏层 在推理时，我们的算法生成kbound盒。在我们的实验中，我们使用ek = 100和K= 200。如果需要，我们可以使用置信分数和非最大抑制在推理时获得较少数量的高置信框。这些盒子应该代表对象。因此，它们可以通过后续的分类器进行分类，实现目标检测。由于盒子的数量非常少，我们可以提供强大的分类器。在我们的实验中，我们使用另一个dnn进行分类。 我们训练一个DNN来预测每个训练图像的边界框及其置信度得分，以便得分最高的框与图像的groundtruth对象框很好地匹配。假设对于一个特定的训练例子，对象被标记为boundingboxesgj,j∈{1，…，M}。在实践中，pre- dictionary的数量远远大于groundtruthboxm的数量。因此，我们试图只优化与地面真实最匹配的预测框子集。我们优化他们的位置，以提高他们的匹配度，最大化他们的信心。与此同时，我们将剩余预测的置信度最小化，这被认为不能很好地定位真实对象。为了达到上述目的，我们为每个训练实例制定一个分配问题。Wexij∈{0,1}表示赋值:xij= 1，如果第i个预测被赋值给第j个真对象。这项任务的目标可以表示为 其中，我们使用标准化边界框坐标之间的el2距离来量化边界框之间的不同。此外，我们希望根据分配x优化盒子的可信度。最大化指定预测的置信度可以表示为  最终的损失目标结合了匹配损失和信心损失 受式1的约束。α平衡了不同损失条款的贡献。 对于每个训练例子，我们通过解决一个最佳的赋值x*的预测到真实的盒子 约束执行赋值解决方案。这是二部匹配的一种变体，是一种多项式复杂度匹配。在我们的应用程序中，匹配是非常便宜的——每幅图像中标记的对象的数量少于一打，而且在大多数情况下只有很少的对象被标记。然后，通过反向传播优化网络参数。例如，反向传播算法的一阶导数计算w、r、t、l和c 尽管上述定义的损失在原则上是足够的，但三次修改使其有可能更快地达到更好的准确性。第一个修改是对地面真实位置进行聚类，并找到这样的聚类/质心，我们可以使用这些聚类/质心作为每个预测位置的先验。因此，鼓励学习算法为每个预测位置学习一个残差到一个先验。 第二个修改涉及到在匹配过程中使用这些先验:不是将N个groundtruth位置与K个预测进行匹配，而是在K个先验和groundtruth之间找到最佳匹配。一旦匹配完成，就会像之前一样计算目标的置信度。此外，位置预测损失也不变:对于任何一对匹配的(目标，预测)位置，其损失定义为groundtruth和对应于匹配先验的坐标之间的差值。我们把使用先验匹配称为先验匹配，并假设它促进了预测的多样化。  需要注意的是，尽管我们以一种与类无关的方式定义了我们的方法，但我们可以将它应用于预测特定类的对象盒。要做到这一点，我们只需要在类的边框上训练我们的模型。此外，我们可以预测每个类的kbox。不幸的是，这个模型的参数数量会随着类的数量线性增长。此外，在一个典型的设置中，给定类的对象数量相对较少，这些参数中的大多数会看到很少有相应梯度贡献的训练示例。因此，我们认为我们的两步过程——首先本地化，然后识别——是一个更好的选择，因为它允许使用少量参数利用同一图像中多个对象类型的数据 我们使用的本地化和分类模型的网络架构与[10]使用的网络架构相同。我们使用Adagrad来控制学习速率衰减，128的小批量，以及使用多个相同的网络副本进行并行分布式训练，从而实现更快的收敛。如前所述，我们在定位损失中使用先验——这些是使用训练集上的均值来计算的。我们还使用α = 来平衡局部化和置信度损失。定位器可以输出用于推断的种植区以外的坐标。坐标被映射和截断到最后的图像区域。另外，使用非最大抑制对盒进行修剪，Jaccard相似度阈值为。然后，我们的第二个模型将每个边界框分类为感兴趣的对象或“背景”。为了训练我们的定位器网络，我们从训练集中生成了大约3000万幅图像，并对训练集中的每幅图像应用以下步骤。最后，样品被打乱。为了训练我们的本地化网络，我们通过对训练集中的每一幅图像应用以下步骤，从训练集中生成了大约3000万幅图像。对于每幅图像，我们生成相同数量的平方样本，使样本总数大约为1000万。对于每幅图像，样本被桶状填充，这样，对于0 - 5%、5 - 15%、15 - 50%、50 - 100%范围内的每个比例，都有相同数量的样本，其中被包围框覆盖的比例在给定范围内。训练集和我们大多数超参数的选择是基于过去使用非公开数据集的经验。在下面的实验中，我们没有探索任何非标准数据生成或正则化选项。在所有的实验中，所有的超参数都是通过对训练集。 Pascal Visual Object Classes (VOC)挑战是最常用的对象检测算法基准。它主要由复杂的场景图像组成，其中包含了20种不同的对象类别的边界框。在我们的评估中，我们关注的是2007版VOC，为此发布了一个测试集。我们通过培训VOC 2012展示了结果，其中包含了大约。11000张图片。我们训练了一个100框的定位器和一个基于深度网络的分类器。 我们在一个由1000万作物组成的数据集上训练分类器，该数据集重叠的对象至少为 jaccard重叠相似度。这些作物被标记为20个VOC对象类中的一个。•2000万负作物与任何物体盒最多有个Jaccard相似度。这些作物被贴上特殊的“背景”类标签。体系结构和超参数的选择遵循。 在第一轮中，定位器模型应用于图像中最大-最小中心方形作物。作物的大小调整到网络输入大小is220×220。单次通过这个网络，我们就可以得到上百个候选日期框。在对重叠阈值为的非最大抑制后，保留评分最高的前10个检测项，并通过21路分类器模型分别通过网络进行分类。最终的检测分数是给定盒子的定位分数乘以分类器在作物周围的最大方形区域上评估的分数的乘积。这些分数通过评估，并用于计算精确查全曲线。 首先，我们分析了本地化器在隔离状态下的性能。我们给出了被检测对象的数量，正如Pascal检测标准所定义的那样，与生成的包围框的数量相对比。在图1中，我们展示了使用VOC2012进行训练所获得的结果。此外，我们通过使用图像的最大中心面积(max-center square crop)作为输入以及使用两个尺度(second scale)来给出结果:最大中心面积(max-center crop)的第二个尺度(select3×3windows的大小为图像大小的60%)正如我们所看到的，当使用10个边界框的预算时，我们可以用第一个模型本地化的对象，用第二个模型本地化48%的对象。这显示出比其他报告的结果更好的性能，例如对象度算法达到42%[1]。此外，这个图表显示了在不同分辨率下观察图像的重要性。虽然我们的算法通过使用最大中心作物获得了大量的对象，但当使用更高分辨率的图像作物时，我们获得了额外的提升。进一步，我们用21-way分类器对生成的包围盒进行分类，如上所述。表1列出了VOC 2007的平均精度(APs)。达到的平均AP是，与先进水平相当。注意，我们的运行时间复杂度非常低——我们只使用top10框。示例检测和全精度召回曲线分别如图2和图3所示。值得注意的是，可视化检测是通过仅使用最大中心方形图像裁剪，即使用全图像获得的。然而，我们设法获得了相对较小的对象，例如第二行和第二列的船，以及第三行和第三列的羊。 在本工作中，我们提出了一种新的方法来定位图像中的对象，该方法可以预测多个边界框的时间。该方法使用深度卷积神经网络作为基本特征提取和学习模型。它制定了一个能够利用可变数量的groundtruth位置的多箱定位成本。在“一个类一个箱”方法的情况下，对1000个盒子进行非max-suppression，使用与给定图像中感兴趣的DeepMulti-Box方法相同的准则，并学习在未见图像中预测这些位置。 我们在VOC2007和ILSVRC-2012这两个具有挑战性的基准上给出了结果，在这两个基准上，所提出的方法具有竞争力。此外，该方法能够很好地预测后续分类器将探测到的位置。我们的结果表明，deepmultibox的方法是可扩展的，甚至可以在两个数据集之间泛化，就能够预测感兴趣的定位，甚至对于它没有训练的类别。此外，它能够捕获同一类物体的多种情况，这是旨在更好地理解图像的算法的一个重要特征。 在未来，我们希望能够将定位和识别路径折叠到一个单一的网络中，这样我们就能够在一个通过网络的一次性前馈中提取位置和类标签信息。即使在其当前状态下，双通道过程(本地化网络之后是分类网络)也会产生5-10个网络评估，每个评估的速度大约为1个CPU-sec(现代机器)。重要的是，这个数字并不与要识别的类的数量成线性关系，这使得所提出的方法与类似dpm的方法非常有竞争力。

你不翻译了？？？

神经网络的是我的毕业论文的一部分4．人工神经网络人的思维有逻辑性和直观性两种不同的基本方式。逻辑性的思维是指根据逻辑规则进行推理的过程；它先将信息化成概念，并用符号表示，然后，根据符号运算按串行模式进行逻辑推理。这一过程可以写成串行的指令，让计算机执行。然而，直观性的思维是将分布式存储的信息综合起来，结果是忽然间产生想法或解决问题的办法。这种思维方式的根本之点在于以下两点:1.信息是通过神经元上的兴奋模式分布在网络上;2.信息处理是通过神经元之间同时相互作用的动态过程来完成的。 人工神经网络就是模拟人思维的第二种方式。这是一个非线性动力学系统，其特色在于信息的分布式存储和并行协同处理。虽然单个神经元的结构极其简单，功能有限，但大量神经元构成的网络系统所能实现的行为却是极其丰富多彩的。人工神经网络学习的原理人工神经网络首先要以一定的学习准则进行学习，然后才能工作。现以人工神经网络对手写“A”、“B”两个字母的识别为例进行说明，规定当“A”输入网络时，应该输出“1”，而当输入为“B”时，输出为“0”。 所以网络学习的准则应该是：如果网络做出错误的判决，则通过网络的学习，应使得网络减少下次犯同样错误的可能性。首先，给网络的各连接权值赋予(0，1)区间内的随机值，将“A”所对应的图像模式输入给网络，网络将输入模式加权求和、与门限比较、再进行非线性运算，得到网络的输出。在此情况下，网络输出为“1”和“0”的概率各为50%，也就是说是完全随机的。这时如果输出为“1”(结果正确)，则使连接权值增大，以便使网络再次遇到“A”模式输入时，仍然能做出正确的判断。 如果输出为“0”(即结果错误)，则把网络连接权值朝着减小综合输入加权值的方向调整，其目的在于使网络下次再遇到“A”模式输入时，减小犯同样错误的可能性。如此操作调整，当给网络轮番输入若干个手写字母“A”、“B”后，经过网络按以上学习方法进行若干次学习后，网络判断的正确率将大大提高。这说明网络对这两个模式的学习已经获得了成功，它已将这两个模式分布地记忆在网络的各个连接权值上。当网络再次遇到其中任何一个模式时，能够做出迅速、准确的判断和识别。一般说来，网络中所含的神经元个数越多，则它能记忆、识别的模式也就越多。人工神经网络的优缺点人工神经网络由于模拟了大脑神经元的组织方式而具有了人脑功能的一些基本特征，为人工智能的研究开辟了新的途径，神经网络具有的优点在于:（1）并行分布性处理因为人工神经网络中的神经元排列并不是杂乱无章的，往往是分层或以一种有规律的序列排列，信号可以同时到达一批神经元的输入端，这种结构非常适合并行计算。同时如果将每一个神经元看作是一个小的处理单元，则整个系统可以是一个分布式计算系统，这样就避免了以往的“匹配冲突”，“组合爆炸”和“无穷递归”等题，推理速度快。（2）可学习性一个相对很小的人工神经网络可存储大量的专家知识，并且能根据学习算法，或者利用样本指导系统来模拟现实环境(称为有教师学习)，或者对输入进行自适应学习(称为无教师学习)，不断地自动学习，完善知识的存储。（3）鲁棒性和容错性由于采用大量的神经元及其相互连接，具有联想记忆与联想映射能力，可以增强专家系统的容错能力，人工神经网络中少量的神经元发生失效或错误，不会对系统整体功能带来严重的影响。而且克服了传统专家系统中存在的“知识窄台阶”问题。（4）泛化能力人工神经网络是一类大规模的非线形系统，这就提供了系统自组织和协同的潜力。它能充分逼近复杂的非线形关系。当输入发生较小变化，其输出能够与原输入产生的输出保持相当小的差距。（5）具有统一的内部知识表示形式，任何知识规则都可以通过对范例的学习存储于同一个神经网络的各连接权值中，便于知识库的组织管理，通用性强。虽然人工神经网络有很多优点，但基于其固有的内在机理，人工神经网络也不可避免的存在自己的弱点:（1）最严重的问题是没能力来解释自己的推理过程和推理依据。（2）神经网络不能向用户提出必要的询问，而且当数据不充分的时候，神经网络就无法进行工作。（3）神经网络把一切问题的特征都变为数字，把一切推理都变为数值计算，其结果势必是丢失信息。（4）神经网络的理论和学习算法还有待于进一步完善和提高。神经网络的发展趋势及在柴油机故障诊断中的可行性神经网络为现代复杂大系统的状态监测和故障诊断提供了全新的理论方法和技术实现手段。神经网络专家系统是一类新的知识表达体系，与传统专家系统的高层逻辑模型不同，它是一种低层数值模型，信息处理是通过大量的简单处理元件(结点) 之间的相互作用而进行的。由于它的分布式信息保持方式，为专家系统知识的获取与表达以及推理提供了全新的方式。它将逻辑推理与数值运算相结合，利用神经网络的学习功能、联想记忆功能、分布式并行信息处理功能，解决诊断系统中的不确定性知识表示、获取和并行推理等问题。通过对经验样本的学习，将专家知识以权值和阈值的形式存储在网络中，并且利用网络的信息保持性来完成不精确诊断推理，较好地模拟了专家凭经验、直觉而不是复杂的计算的推理过程。但是，该技术是一个多学科知识交叉应用的领域，是一个不十分成熟的学科。一方面，装备的故障相当复杂;另一方面，人工神经网络本身尚有诸多不足之处:（1）受限于脑科学的已有研究成果。由于生理实验的困难性，目前对于人脑思维与记忆机制的认识还很肤浅。（2）尚未建立起完整成熟的理论体系。目前已提出了众多的人工神经网络模型，归纳起来，这些模型一般都是一个由结点及其互连构成的有向拓扑网，结点间互连强度所构成的矩阵，可通过某种学习策略建立起来。但仅这一共性，不足以构成一个完整的体系。这些学习策略大多是各行其是而无法统一于一个完整的框架之中。（3）带有浓厚的策略色彩。这是在没有统一的基础理论支持下，为解决某些应用，而诱发出的自然结果。（4）与传统计算技术的接口不成熟。人工神经网络技术决不能全面替代传统计算技术，而只能在某些方面与之互补，从而需要进一步解决与传统计算技术的接口问题，才能获得自身的发展。虽然人工神经网络目前存在诸多不足，但是神经网络和传统专家系统相结合的智能故障诊断技术仍将是以后研究与应用的热点。它最大限度地发挥两者的优势。神经网络擅长数值计算，适合进行浅层次的经验推理;专家系统的特点是符号推理，适合进行深层次的逻辑推理。智能系统以并行工作方式运行，既扩大了状态监测和故障诊断的范围，又可满足状态监测和故障诊断的实时性要求。既强调符号推理，又注重数值计算，因此能适应当前故障诊断系统的基本特征和发展趋势。随着人工神经网络的不断发展与完善，它将在智能故障诊断中得到广泛的应用。根据神经网络上述的各类优缺点，目前有将神经网络与传统的专家系统结合起来的研究倾向，建造所谓的神经网络专家系统。理论分析与使用实践表明，神经网络专家系统较好地结合了两者的优点而得到更广泛的研究和应用。离心式制冷压缩机的构造和工作原理与离心式鼓风机极为相似。但它的工作原理与活塞式压缩机有根本的区别，它不是利用汽缸容积减小的方式来提高汽体的压力，而是依靠动能的变化来提高汽体压力。离心式压缩机具有带叶片的工作轮，当工作轮转动时，叶片就带动汽体运动或者使汽体得到动能，然后使部分动能转化为压力能从而提高汽体的压力。这种压缩机由于它工作时不断地将制冷剂蒸汽吸入，又不断地沿半径方向被甩出去，所以称这种型式的压缩机为离心式压缩机。其中根据压缩机中安装的工作轮数量的多少，分为单级式和多级式。如果只有一个工作轮，就称为单级离心式压缩机，如果是由几个工作轮串联而组成，就称为多级离心式压缩机。在空调中，由于压力增高较少，所以一般都是采用单级，其它方面所用的离心式制冷压缩机大都是多级的。单级离心式制冷压缩机的构造主要由工作轮、扩压器和蜗壳等所组成。 压缩机工作时制冷剂蒸汽由吸汽口轴向进入吸汽室，并在吸汽室的导流作用引导由蒸发器(或中间冷却器)来的制冷剂蒸汽均匀地进入高速旋转的工作轮3(工作轮也称叶轮，它是离心式制冷压缩机的重要部件，因为只有通过工作轮才能将能量传给汽体)。汽体在叶片作用下，一边跟着工作轮作高速旋转，一边由于受离心力的作用，在叶片槽道中作扩压流动，从而使汽体的压力和速度都得到提高。由工作轮出来的汽体再进入截面积逐渐扩大的扩压器4(因为汽体从工作轮流出时具有较高的流速，扩压器便把动能部分地转化为压力能，从而提高汽体的压力)。汽体流过扩压器时速度减小，而压力则进一步提高。经扩压器后汽体汇集到蜗壳中，再经排气口引导至中间冷却器或冷凝器中。 二、离心式制冷压缩机的特点与特性 离心式制冷压缩机与活塞式制冷压缩机相比较，具有下列优点： (1)单机制冷量大，在制冷量相同时它的体积小，占地面积少，重量较活塞式轻5～8倍。 (2)由于它没有汽阀活塞环等易损部件，又没有曲柄连杆机构，因而工作可靠、运转平稳、噪音小、操作简单、维护费用低。 (3)工作轮和机壳之间没有摩擦，无需润滑。故制冷剂蒸汽与润滑油不接触，从而提高了蒸发器和冷凝器的传热性能。 (4)能经济方便的调节制冷量且调节的范围较大。 (5)对制冷剂的适应性差，一台结构一定的离心式制冷压缩机只能适应一种制冷剂。 (6)由于适宜采用分子量比较大的制冷剂，故只适用于大制冷量，一般都在25～30万大卡／时以上。如制冷量太少，则要求流量小，流道窄，从而使流动阻力大，效率低。但近年来经过不断改进，用于空调的离心式制冷压缩机，单机制冷量可以小到10万大卡／时左右。 制冷与冷凝温度、蒸发温度的关系。 由物理学可知，回转体的动量矩的变化等于外力矩，则 T=m(C2UR2-C1UR1) 两边都乘以角速度ω，得 Tω=m(C2UωR2-C1UωR1) 也就是说主轴上的外加功率N为： N=m(U2C2U-U1C1U) 上式两边同除以m则得叶轮给予单位质量制冷剂蒸汽的功即叶轮的理论能量头。 U2 C2 ω2 C2U R1 R2 ω1 C1 U1 C2r β 离心式制冷压缩机的特性是指理论能量头与流量之间变化关系，也可以表示成制冷 W=U2C2U-U1C1U≈U2C2U （因为进口C1U≈0） 又C2U=U2-C2rctgβ C2r=Vυ1/(A2υ2) 故有 W= U22(1- Vυ1 ctgβ) A2υ2U2 式中：V—叶轮吸入蒸汽的容积流量（m3/s） υ1υ2 ——分别为叶轮入口和出口处的蒸汽比容（m3/kg） A2、U2—叶轮外缘出口面积(m2)与圆周速度(m/s) β—叶片安装角 由上式可见，理论能量头W与压缩机结构、转速、冷凝温度、蒸发温度及叶轮吸入蒸汽容积流量有关。对于结构一定、转速一定的压缩机来说，U2、A2、β皆为常量，则理论能量头W仅与流量V、蒸发温度、冷凝温度有关。 按照离心式制冷压缩机的特性，宜采用分子量比较大的制冷剂，目前离心式制冷机所用的制冷剂有F—11、F—12、F—22、F—113和F—114等。我国目前在空调用离心式压缩机中应用得最广泛的是F—11和F—12，且通常是在蒸发温度不太低和大制冷量的情况下，选用离心式制冷压缩机。此外，在石油化学工业中离心式的制冷压缩机则采用丙烯、乙烯作为制冷剂，只有制冷量特别大的离心式压缩机才用氨作为制冷剂。 三、离心式制冷压缩机的调节 离心式制冷压缩机和其它制冷设备共同构成一个能量供给与消耗的统一系统。制冷机组在运行时，只有当通过压缩机的制冷剂的流量与通过设备的流量相等时，以及压缩机所产生的能量头与制冷设备的阻力相适应时，制冷系统的工况才能保持稳定。但是制冷机的负荷总是随外界条件与用户对冷量的使用情况而变化的，因此为了适应用户对冷负荷变化的需要和安全经济运行，就需要根据外界的变化对制冷机组进行调节，离心式制冷机组制冷量的调节有：1°改变压缩机的转速；2°采用可转动的进口导叶；3°改变冷凝器的进水量；4°进汽节流等几种方式，其中最常用的是转动进口导叶调节和进汽节流两种调节方法。所谓转动进口导叶调节，就是转动压缩机进口处的导流叶片以使进入到叶轮去的汽体产生旋绕，从而使工作轮加给汽体的动能发生变化来调节制冷量。所谓进汽节流调节，就是在压缩机前的进汽管道上安装一个调节阀，如要改变压缩机的工况时，就调节阀门的大小，通过节流使压缩机进口的压力降低，从而实现调节制冷量。离心式压缩机制冷量的调节最经济有效的方法就是改变进口导叶角度，以改变蒸汽进入叶轮的速度方向(C1U)和流量V。但流量V必须控制在稳定工作范围内，以免效率下降。