本研究以中國大陸上市企業為研究對象，選取2009年至2010年發生財務危機之51家公司其發生危機時點前半年、前一年、前兩年之財務比率季資料，另以產業類別、規模大小一比一選取正常公司進行配對，首先進行敘述統計分析與逐步迴歸分析，接下來以Logistic迴歸分析與倒傳遞類神經網路模型建構財務危機預警模型，最後以測試樣本驗證模型之正確判別率。實證結果顯示，由Logistic迴歸分析建構之財務危機預警模型於財務危機前半年、前一年、前兩年之正確判別率分別為0.9000、0.8333、0.8000；由倒傳遞類神經網路模型建構之財務危機前半年、前一年、前兩年之正確判別率分別為0.9333、0.9000、0.8000，顯示兩模型於短期內均能有效對財務危機達到預警效果，但兩模型之預警能力均隨著危機發生時點越遠而降低。整體來說倒傳遞類神經網路模型有較佳的預警能力。

隨著全球化與資訊科技之進步，大幅加快媒體傳播訊息之速度，使得與股票市場相關之新聞事件，無論在產量、產出頻率上，都較以往增加，進而對股票市場造成影響。現今投資者多已具備傳統的投資概念、觀察總體經濟之趨勢與指標、分析漲跌之圖表用以預測股票收盤價；除此之外，從大量新聞資料中，找出關鍵輔助投資之新聞事件更是需要培養的能力，而此正是投資者較為不熟悉的部分，故希望透過本文加以探討之。 　　本研究使用2009年自由時報電子報之財經新聞（共5767篇）為資料來源，以文件距離為基礎之kNN技術分群，並採用時間區間之概念，用以增進分群之時效性；而分群之結果，再透過類別詞庫分類為正向、持平及負向新聞事件，與股票市場之量化資料，包括成交量、收盤價及3日收盤價，一併輸入於倒傳遞類神經網路之預測模型。自台灣經濟新報中取得半導體類股之交易資訊，將其分成訓練及測試資料，各包含168個及83個交易日，經由網路之迭代學習過程建立預測模型，並與原預測模型進行比較。 　　由研究結果中，首先，類別詞庫可透過股票收盤價報酬率及篩選字詞出現頻率的方式建立，使投資者能透藉由分群與分類降低新聞文件的資訊量；其次，於倒傳遞類神經網路預測模型中加入分類後的新聞事件，依統計顯著性檢定，在顯著水準為95%及99%下，皆顯著改善隔日股票收盤價之預測方向正確性與準確率，換言之，於預測模型中加入新聞事件，有助於預測隔日收盤價。最後，本研究並指出一些未來研究方向。

在講求品質創新與顧客導向之時代中，隨著顧客的需求和期望，創造產品之一元品質和魅力品質，是促使企業不斷地精益求精之動力，同時也使企業更具競爭力，進而使企業能永續經營。 本研究以CK電腦公司之工業用筆記型電腦HDD為研究對象。公司提出因RT686型號工業用筆記型電腦無法通過軍規振動測試，公司正準備開發新型號。本研究將對舊型號之電腦HDD內部緩衝材做設計，待找到防振效果最佳之緩衝材設計後，將其應用至新機型電腦，使其能通過軍規振動測試。 透過實驗設計方法規劃和執行三階段之HDD振動實驗，並收集實驗數據，再分別利用MSE法、變異數分析結合迴歸分析法、回應圖和回應表分析法、類別資料分析法和倒傳遞類神經網路方法分析，以決定最佳緩衝材設計。在進行確認實驗後，找到不會因為外部環境之振動，使HDD之運轉速度發生暫停和轉慢情形之最佳緩衝材設計，防振效果良好，而且此緩衝材設計只使用一種材質，更是節省公司材料生產上之成本。

估價於房地產市場實扮演著一不可或缺的角色，精確的估價不僅可提供消費者正確極充分的購屋資訊，亦為政府擬定政策方針之基礎。由於台灣房地產市場為一不完全市場，消費者在購屋的同時更常因資訊的不健全而遭受不必要之損失，因此精確及流通之估價資訊實為健全台灣房地產市場之首務。 鑑於過去估價技術仍未成熟，所佔之房價常無法令人信服。本研究欲以類神經網路之功能，將其原理應用於房地產估價上，試圖解決過去估價方法本身之缺失，並作為估價人員輔助之工具。本研究主要以倒傳遞及理解倒傳遞類神經網路與特徵價格法進行公證比較分析，並以特徵價理論為基礎，利用類神經網路得出影率房地產價格更具代表性之因素，以做為未來建立房地產估價輔助系統之參考。 為了解不同的資料型態是否會使類神經網路有不同的學習效果，本研究將資料分為四組實驗設計，分別對不同的資料型態進行測試，研究結果顯示類神經網路對於資料型態較為敏感，其中又以理解倒傳遞類神經網路為最，使得其在預測能力上易受異常點或極端值的影響，而有好壞差異較大的情況。即類神經網路之學習效果端視資料是否具代表性而定。

為了提升競爭優勢與生產能力，並進而達到永續經營的目的，突破現況、持續改善產品品質、降低產品成本與服務成本則成為提昇競爭力的重要因素之一，因此產品在設計開發階段就必需要考量品質與成本的問題。 本研究以電源轉換器為對象。該電源轉換器目前已設計完成且已通過美國UL安規認證，並已在國內量產銷售，但因為該電源轉換器的溫升及其變異很大，仍然會導致該產品的壽命過短，因此降低電源轉換器的溫升及其變異是一急需解決的問題。 透過了田口與實驗設計的方法規劃及進行實驗並收集數據。並利用十二種分析方法(包括：田口方法、主成份分析、主成份＋倒傳遞類神經網路＋基因演算法、主成份灰關聯＋倒傳遞類神經網路＋基因演算法、指數型理想函數＋倒傳遞類神經網路＋基因演算法、MSE方法、MSE方法＋倒傳遞類神經網路＋基因演算法、SUM方法、SUM方法＋倒傳遞類神經網路＋基因演算法、重要零件加總法、重要零件加總法＋倒傳遞類神經網路＋基因演算法)對實驗數據進行分析，以決定最適因子水準組合。 由改善後的確認實驗得到：雖然平均溫升下降的程度不大，然而大部份量測點的溫升標準差都顯著變小了。因此本研究在降低該電源轉換器溫升變異的效果十分顯著。對於電源轉換器的生產者而言，品質提升就是提升銷售量的保證，因此本研究所得到的最適因子水準組合，雖然產品在成本上有些微的增加，但品質改善後之產品將可為生產者帶來更多有形與無形之利益。

在面對市場強力競爭之下，許多企業為了達到永續經營的目的，往往藉由改善產品品質、降低生產成本以及加強產品的彈性與效能，以便創造出符合顧客需求的優良產品，進而提升市場競爭力。 本研究主要的對象為電源轉換器(Switch Power Supply)。該電源轉換器在運轉的過程中時常會有溫度過高的情況發生，進而影響顧客對於產品的滿意程度，因此希望藉由降低電源轉換器的溫升以及溫升變異，來提升產品的品質以增加顧客的滿意度。在本研究中利用田口方法以及實驗設計去規劃出適當的實驗流程與實驗方法，並且經由實驗來收集實驗數據，分別採用灰關聯分析、主成分灰關聯分析、模糊評估分析和倒傳遞類神經網路等四種方法進行實驗分析，以決定出最適因子水準組合。 根據工程經驗與實驗結果得知，電源轉換器內主要發熱零件為IC、T1、LF1和D7。最適組合之確認實驗與現況比較發現，雖然LF1的平均溫升約比現況高2℃左右，但是IC、T1和D7的平均溫升卻可以降低2∼4℃，而且這四個主要發熱零件的溫升標準差也都有大幅降低的現象，由於降低產品變異也會提昇產品品質，一旦產品品質提升了便能夠增加市場競爭力，並且增加顧客的購買意願，因此本研究所找出的最適外殼鑽孔形狀與矽膠片厚度組合的改善效果良好。

隨著資訊科技的發展，筆記型電腦已經愈來愈普及，且價格不再高不可攀，消費者在選購電腦時，會以筆記型電腦取代桌上型電腦，因此消費者的購買意願增加，如何吸引消費者的購買意願，是目前許多企業所面臨的問題。消費者在購買產品前所考慮因素以品質最為重要。電腦公司若能提供品質保證，勢必能增加消費者購買的意願。 筆記型電腦為高精密與高價值的產品，攜帶方便為此產品的特色。由於攜帶方便的特性，顧客可以攜帶著筆記型電腦工作，因此一時的疏忽常對筆記型電腦造成損害，其中以外力所造成之損害最為嚴重，包括衝擊碰撞與摔落碰撞。 本研究以北縣某筆記型電腦製造公司之客戶維修資料與公司摔落測試之統計，以液晶螢幕燈管和玻璃損壞之成本最高。所以本論文主要目的希望能研究出筆記型電腦摔落之最佳保護設計，減低摔落所造成之損壞。針對研究之筆記型電腦抗摔落問題規劃防摔角墊實驗以收集相關數據，並利用以下六種不同的分析方法，(1)變異數分析結合迴歸分析方法、(2)田口方法、(3)田口損失函數法、(4)倒傳遞類神經網路法、(5)模糊結合TOPSIS法與(6)模糊結合類神經網路法，分別決定最適防摔角墊組合，並比較其最適防摔角墊組合之異同。倘若這六種分析方法結果不盡相同，則再規劃實驗以求得最適角墊硬度與面積，得到最適防摔角墊組合。

長久以來，信用風險一直是各銀行經營風險中最主要的來源，而就信用風險的衡量部份，巴塞爾委員會希望國際性銀行最低限度必須採用中等複雜程度的風險計算方法。也就是希望銀行能以新巴塞爾協定中信用風險的內部評等法為基本精神建置一套內部自有的信用風險模型來評估交易對手的信用風險。 同時，由於目前國內對於自有信用風險模型的建置和效力驗證的相關研究付之闕如，故本研究以新巴塞爾協定中信用風險的內部評等基礎法為基本精神，並且應用倒傳遞類神經網路方法，建構一套有效的信用風險模型並加以驗證以期能應用於銀行授信決策系統之中，也擬扮演一拋磚引玉的角色，以期未來有更多資源投入相關研究。 首先，本研究藉由文獻探討的方式，決定模型的輸入變數，接著利用ROE來做為評斷企業總體財務表現的指標，同時使用來對上市/櫃公司進行評分，根據評分的結果，再使用K-Means方法來針對所有ROE值為正的上市/櫃公司進行評等等級的切割，以計算所有上市/櫃公司各年度的評等。 研究結果發現： (1) 利用建模資料帶入模型，分別計算每一筆資料的違約機率，也就是該公司當年度的違約機率，再將每一個等級的所有資料的PD值求平均數，即可得到代表該等級的違約機率，而此估計出的違約機率也的確能隨著評等等級的遞增而增加。 因此，當我們要判斷一間公司的違約等級時，可利用本研究所建構出的信用評等模型，估計出該公司違約機率，以判斷該公司的違約等級，以為決策者提供重要的參考依據。 (2) 信用風險預警模型在預測公司下一年度違約與否的能力上，也有不錯的預測準確率；同時，本研究利用預測結果的型I誤差、型II誤差、模型區別率和模型預測率分析來分析預警模型的效度，經實證結果得知，預警模型在效度驗證方面也能有效滿足要求。 由以上的結果得知，本研究所自行發展的信用風險評等模型與信用預警模型相關建構流程、架構與方法論，可有效應用於銀行授信決策系統之中。

在全球經貿體系自由化下，國際資金流通快速，匯率變動也非常頻繁，廠商的產銷決策與營運，面對匯率風險更加難以掌控。如何掌握匯率的變動，並採取有效的避險措施，是廠商從事貿易必須面臨之重要課題。本研究採用自我迴歸整合移動平均模式、倒傳遞類神經網路及混合式自我迴歸整合移動平均模式及倒傳遞類神經網路模型進行未來即期匯率報酬率之預測。試圖找出合適的新台幣兌美元即期匯率之預測模型，並將其應用於外匯避險操作。 研究結果顯示，關於預測誤差的績效表現，整體來說，以自我迴歸整合移動平均及倒傳遞類神經網路混合式模型表現最佳，顯示傳統時間序列模型捕捉匯率報酬率走勢之能力，藉由倒傳遞類神經網路捕捉其線性預測誤差中非線性的部分，可更符合資料的特性，加強匯率報酬率預測的準確性。考慮預測方向的正確性，在兩個不同的準則下(SR、PT)，皆以自我迴歸整合移動平均模型表現最差，代表其在進行匯率報酬率之預測時正確率較為不足。而在PT檢定當中，倒傳遞類神經網路模型及混合式模型皆達到顯著。因此利用人工智慧模型對報酬率之方向進行預測是有效的，又以自我迴歸整合移動平均及倒傳遞類神經網路混合式模型表現最好。總結來說，利用倒傳遞類神經網路模型針對自我迴歸整合移動平均模型做非線性的調整，同時涵蓋未來匯率報酬率線性與非線性的部分，使得自我迴歸整合移動平均模型之預測誤差、方向準確性皆得到改善，藉由倒傳遞類神經網路捕捉其線性預測誤差中非線性的部分，可更符合資料的特性，加強匯率報酬率預測的準確性。

迴歸分析與類神經網路此兩種方法皆是預測領域上的主要工具。本論文嘗試在線性迴歸模式及非線性迴歸模式的條件下，隨機產生不同特性的資料以完整探討資料特性對迴歸分析與類神經網路之預測效果的影響。這些特性包括常態分配、偏態分配、不等變異、Michaelis-Menten關係模式及指數迴歸模式。 再者，我們使用區域搜尋法(local search methods)中的演化策略法(evolution strategies，ES)作為類神經網路的學習(learning)方法以提高其預測功能。我們稱這種類型的類神經網路為ESNN。 模擬結果顯示，ESNN確實可以取代常用來與迴歸分析做比較的倒傳遞類神經網路(back-propagation neural network，BPNN)，成為類神經網路的新選擇。針對不同特性的資料，我們建議：如果原始的資料適合以常態線性迴歸模式配適，則使用者可考慮使用迴歸方法做預測。如果原始的資料經由圖形分析或由檢定方法得知違反誤差項為均等變異之假設時，若能找到合適的權數，可使用加權最小平方法，但若權數難以決定時，則使用ESNN做預測。如果資料呈現韋伯偏態分佈時，可考慮使用ESNN或韋伯迴歸方法。資料適合以非線性迴歸模式做配適時，則選擇以ESNN做預測。 關鍵詞：迴歸分析，類神經網路，區域搜尋法，演化策略法類神經網路，倒傳遞類神經網路 / Both regression analysis and artificial neural networks are the main techniques for prediction. In this research, we tried to randomly generate different types of data, so as to completely explore the effect of data characteristics on the predictive performance of regression analysis and artificial neural networks. The data characteristics include normal distribution, skew distribution, unequal variances, Michaelis-Menten relationship model and exponential regression model. In addition, we used the evolution strategies, which is one of the local search methods for training artificial neural networks, to further improve its predictive performance. We name this type of artificial neural networks ESNN. Simulation studies indicate that ESNN could indeed replace BPNN to be the new choice of artificial neural networks. For different types of data, we commend that users can use regression analysis for their prediction if the original data is fit for linear regression model. When the residuals of the data are unequal variances, users can use weighted least squares if the optimal weights could be found. Otherwise, users can use ESNN. If the data is fit for weibull distribution, users can use ESNN or weibull regression. If the data is fit for nonlinear regression model, users can choose ESNN for the prediction. Keywords: Regression Analysis, Artificial Neural Networks, Local Search Methods, Evolution Strategies Neural Network (ESNN), Back-propagation Neural Network (BPNN)