-
题名客户协同产品创新中的组织模型及协调效率
被引量：6
- 1
-
-
作者
杨育
邢青松
刘爱军
王立存
于国栋
谢建中
-
机构
重庆大学机械传动国家重点实验室
重庆工商大学电子商务与供应链系统重庆市重点实验室
富士康科技集团
-
出处
《计算机集成制造系统》
EI
CSCD
北大核心
2012年第4期719-728,共10页
-
基金
国家自然科学基金资助项目(71071173)
重庆市科技攻关重点资助项目(2010GGB108)
+1 种基金
教育部高等学校博士点科研基金资助项目(20090191110004)
富士康科技集团擢才创研计划资助项目~~
-
文摘
在分析各创新主体特征及构建概念本体树模型的基础上,建立了三维的集成组织模型;通过定义产品设计复杂度和提出创新主体间相互作用影响度量方法,建立了该集成组织的协调效率模型,以解决上述建模困难且误差较大的问题。为验证所提模型的正确性和可靠性,提出一种改进免疫克隆算法进行仿真,结果表明所构建的组织结构及协调效率模型与实际情况吻合较好,且以FT调度标准数据为输入,与其他算法进行了比较,验证了所提算法在求得的目标平均值和所消耗的时间方面也具有一定优越性。
-
关键词
客户协同
产品创新
创新主体
组织模型
产品复杂度
协调效率
互动作用
产品设计
-
Keywords
customer collaboration
products innovation
innovation subject
organization model
product complexity
coordination efficiency
interactive function
product design
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于栈式自编码器模型的汇率时间序列预测
被引量：10
- 2
-
-
作者
寇茜茜
何希平
-
机构
重庆工商大学电子商务与供应链系统重庆市重点实验室
重庆市工商大学计算机科学与信息工程学院
重庆工商大学重庆市检测控制集成系统工程实验室
-
出处
《计算机应用与软件》
2017年第3期218-221,247,共5页
-
基金
重庆市教委科技基金项目(KJ1400612)
重庆工商大学研究生院"创新型科研项目"(yjscxx2015-41-21)
-
文摘
针对目前具有非线性特征的金融时间序列浅层模型预测精度有限的问题,提出一种由底层的栈式自编码器和顶层的回归神经元组成的栈式自编码神经网络预测模型。首先利用自编码器的无监督学习机制对时间序列进行特征识别与学习,逐层贪婪学习神经网络各层,之后将栈式自编码器扩展为有监督机制的SAEP模型,将SAE学习到的参数用于初始化神经网络,最后利用有监督学习对权值进行微调。实验设计利用汇率时间序列作为训练及测试样本,与目前较成熟的方法进行对比实验,验证了所提出的模型在汇率时序预测应用中的有效性。
-
关键词
时间序列
预测
深度学习
栈式自编码器
特征学习
深度神经网络
-
Keywords
Time series Prediction Deep learning Stacked autoencoder Feature learning Deep neural networks
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
TP183
[自动化与计算机技术—控制理论与控制工程]
-
