Resumen

En los últimos años, las catástrofes han afectado gravemente al desarrollo normal del negocio financiero en algunas regiones. En el momento de la catástrofe, se ha convertido en una tarea importante cómo integrar eficazmente los recursos de todas las partes, hacer frente a las catástrofes financieras repentinas de forma eficiente y restablecer los servicios financieros a tiempo. Por lo tanto, este trabajo adopta la Optimización de Enjambre de Partículas (PSO) para mejorar la Red Neural BP tradicional (BPNN) y finalmente construye un modelo de Optimización de Enjambre de Partículas potenciado por la Red Neural BP (PSO-BPNN) para la prevención inteligente de riesgos de emergencia de desastres financieros repentinos en la economía digital. Al mismo tiempo, el algoritmo propuesto también se compara con los algoritmos GA-BPNN y BPNN, que también son algoritmos inteligentes. Los resultados experimentales muestran que el algoritmo híbrido PSO-BPNN es superior al algoritmo GA-BPNN y al algoritmo BPNN en cuanto al efecto de simulación y predicción. Puede predecir con exactitud la catástrofe financiera repentina de los últimos tiempos, por lo que el modelo tiene una buena perspectiva de aplicación.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:catástrofe financiera repentina, algoritmo bpnn, optimización de enjambre de partículas, red neuronal bp, prevención de riesgos de emergencia, neural bp tradicional, buenas perspectivas de aplicación, momento de la catástrofe, año reciente, servicios financieros
• Keywords:sudden financial disaster, bpnn algorithm, particles swarm optimization, bp neural network, emergency risk avoidance, traditional bp neural, good application prospect, time of disaster, recent year, financial services