1、“.....其中多层反向传播神经网络是最广泛使用正如图显示，网络通常采用三层或更多层体系结构个输入层，个输出层和至少个隐层描述这个网络计算过程如下,图个简单神经与个模型其中是输出节点，是传递函数，是在底层节点和节点之间连接权重是来自于底层节点输入信号误差反向传播是个梯度下降算法它试图通过改变权重沿其梯度降低总误差以提高神经网络性能误差反向传播算法减少了平方误差，这可以通过以下来计算图网络图人工神经信号预测系统结构其中是平方误差，是模式指数，是实际目标输出和是网络输出这里使用了两状态人工神经网络模型去预测残差序列符号首先，我们引入虚拟变量表示第年残余符号假设第个年残差符号为正，则值是，否则为然后，我们使用和值建立了个人工神经网得到预测结果显示于表和图该模型百分比误差分布也显示于图灰色,模型，自回归移动平均模型，改进灰色,模型平均绝对百分比误差，从年至年分别为，和，根据上述结果表明......”。

2、“.....我们改进灰色,模型可以有效地降低模型预测误差结论原来灰色,模型是个适用于参数方差组微分方程模型，尤其是当观察数据量并不大时它是个功能强大预测模型在本文中，我们应用了改进灰色,模型，它应用了结合人工神经网络符号估计来修正残差技术我们研究结果表明，该方法可以得到比原来灰色,模型更精确结果它同时也解决了数据太少问题，因为数据量少可能会导致符号相同残差数量低于个，从而违反了灰色,模型设定必要条件改进灰色模型然后被应用到台湾电力需求预测最后，通过我们这项研究，改进灰色模型，在本文中，是个合适预测方法，它比原来灰色,模型得到更精确结果参考文献,,,,,,,,,,,其中用逆累加生成操作，我们有,其中,叫做灰色,拟合序列，而,称为灰色，模型预测值改进灰色预测模型邓还提出了种残差修正模型，即修正灰色，模型真值与预测值差值被定义为残差序列我们记残差序列为,其中残差,灰色模型比原始......”。

3、“.....我们可以加上残差模型预测值得到修正后预测值毕业设计论文外文资料翻译题目改进灰色预测模型在电力需求上应用院系名称理学院专业班级信计学生姓名学号指导教师教师职称副教授起止日期地点附件外文资料翻译译文外文原文指导教师评语签名年月日中文字出处附件外文资料翻译译文改进灰色预测模型在电力需求上应用工业议员姜旭，陈嘉勇工业工程与管理系，南殿青年技术学院，超群，颜水，路，台湾，台南海信号资源工程研究所，台南国立成功大学，大学路，台湾，年月接受年月日通字出处附件外文资料翻译译文改进的灰色预测模型在电力需求上的应用工业议员姜旭，陈嘉勇工业工程与管理系，南殿青年技术学院，超群，颜水，路，台湾，台南海信号资源工程研究所，台南国立成功大学，大学路，台湾，或更多层体系结构个输入层，个输出层和至少个隐层描述这个网络计算过程如下,图个简单神经与个模型其中是输出节点，是传递函数......”。

4、“.....这可以通过以下来计算图网络图人工神经信号预测系统结构其中是平方误差，是模式指数，是实际目标输出和是网络输出这里使用了两状态人工神经网络模型去预测残差序列符号首先，我们引入虚拟变量表示第年残余符号假设第个年残差符号为正，则值是，否则为然后，我们使用和值建立了个人工神经网,其中用逆累加生成操作，我们有,其中,叫做灰色,拟合序列，而,称为灰色，模型预测值改进灰色预测模型邓还提出了种残差修正模型，即修正灰色，模型真值与预测值差值被定义为残差序列我们记残差序列为,其中残差,灰色模型比原始，灰色模型提高了预测准确性，我们可以加上残差模型预测值得到修正后预测值然而,残差序列基数取决于具有相同符号数据点个数，当观察值不是很多时这通常是很小在这些情况下，具有相同符号残差序列基数不会超过个......”。

5、“.....该模型是个组合残差,预测系统，即结合了人工神经网络对残余符号估计而得到残差绝对值这个改进预测系统原理描述如图，构建详细改进灰色预测过程如下图预测系统原理图残差预测模型首先，残差序列绝对值表示为,,其中,,通过使用相同方法如式，个灰色，模型可以被建立预测残差序列表示为,然后,残差预测输出最终预测残差输入原始预测输出残差符号估计原始模型原始灰色,预测修正子模型残差灰色,预测人工神经网络符号估计混合模块数据输入人工神经网络残差符号估计模型近年来，已经进行了大量人工智能预测技术问题方面研究然而，该模型毫无疑问由于应用了神经网络这强大计算工具而受到广泛关注图给出了个概要生物神经和个基本神经网络元素人工神经网络模型像个黑盒操作，不需要系统详细信息相反它们会通过研究以前数据，学习输入参数和受控及非受控变量间关系人工神经网络模型可以处理庞大而复杂系统......”。

6、“.....即在所处理系统具有信息较少和或信息缺乏特点时本文提出了种改进灰色，模型，它采用了人工神经网络符号估计方法去进行残差修正在本文中，我们用台湾电力需求预测案例来研究我们所提出方法效率和准确性根据实验结果得知，我们提出新方法明显比原来灰色模型提高了预测准确性年由有限公司发表关键词灰色理论改进灰色,模型人工神经网络介绍灰色理论，最初是由邓提出，它是个真正多学科和通用理论，即在处理系统具有信息较少和或信息较缺乏特点时灰色系统理论所涵盖领域包括系统分析，数据处理，建模预测，决策和控制灰色系统理论主要适用于系统分析在信息较少，不完整用平衡记分卡作为他们主要方法引自平衡记分卡协作如何做培训材料，。平衡记分卡已被纳入管理会计教学，也已经成为许多管理咨询公司提供项标准服务。虽然平衡记分卡作为绩效评价创新已经吸引了很多人相当大兴趣伊特内和拉克但它仍然被视为种管理时尚如柯林斯，......”。

7、“.....等方面问题。也有人质疑其普遍吸引力波基诺等库珀和艾萨梅尔并且告诫说，平衡记分卡要适应于在通讯奖励机制策略和信息特征变化多样性鲁非特和斯尔德奥特里，。这种同样存在于典型其他管理会计创新中担忧，提出了怀疑和疑问，也成为了组织采用和执行管理阻力和障碍根源。尽管或者有些时候，作为种回答有以上批评，平衡记分卡已经成为个管理者所相信，他们可以运用详细而且具有意义方法。研究动机和目标在时间和空间上，只有少量研究关于管理会计概念是如何普及，并且怎样和在种程度上，这些概念被给予了本土意义和联系。尽管如此，项研究管理学概念变为实际显著尝试琼斯和达格代尔这研究追溯了作业成本法出现，同时说明了它是如何渗透到世界商业活动中去。我们研究就与他们研究相似，我们深入了他们研究不仅仅关注于平衡记分卡细节，同时因为我们检验平衡记分卡概念如何变成广泛采纳实践。例如，商业模型和战略地图，信息技术和知识性管理系统，业绩评估方法，咨询方式等。平衡记分卡，关注创新......”。

8、“.....同时还有它们如何进入组织活动。平衡记分卡有个被他推广者完善记录相对较长历史卡普兰和诺顿卡普兰，。卡普兰，大量重复这段历史，作为对知识创造循环解释，但是，描述它过程非常平稳而没有冲突，这是非常不合理。借鉴吉登斯全球和本地联系想法比照，琼斯和达格代尔现在研究说明了些过去未记录翻译，中断，操纵和紧张，这些涉及了概念导出和重新嵌入过程。特别地，我们研究了在近代二十世纪八十年代，平衡记分卡这概念如何从神经体系结构几种类型是可用，其中多层反向传播神经网络是最广泛使用正如图显示，网络通常采用三层或更多层体系结构个输入层，个输出层和至少个隐层描述这个网络计算过程如下,图个简单神经与个模型其中是输出节点，是传递函数，是在底层节点和节点之间连接权重是来自于底层节点输入信号误差反向传播是个梯度下降算法它试图通过改变权重沿其梯度降低总误差以提高神经网络性能误差反向传播算法减少了平方误差......”。

9、“.....是模式指数，是实际目标输出和是网络输出这里使用了两状态人工神经网络模型去预测残差序列符号首先，我们引入虚拟变量表示第年残余符号假设第个年残差符号为正，则值是，否则为然后，我们使用和值建立了个人工神经网得到预测结果显示于表和图该模型百分比误差分布也显示于图灰色,模型，自回归移动平均模型，改进灰色,模型平均绝对百分比误差，从年至年分别为，和，根据上述结果表明，我们似乎可以得到改进灰色模型在这些模型中预测误差是最低它表明，我们改进灰色,模型可以有效地降低模型预测误差结论原来灰色,模型是个适用于参数方差组微分方程模型，尤其是当观察数据量并不大时它是个功能强大预测模型在本文中，我们应用了改进灰色,模型，它应用了结合人工神经网络符号估计来修正残差技术我们研究结果表明，该方法可以得到比原来灰色,模型更精确结果它同时也解决了数据太少问题，因为数据量少可能会导致符号相同残差数量低于个，从而违反了灰色......”。