基于灰色系统和BP神经网络的股指动态预测

针对股价指数特有的波动性,提出了基于灰色残差模型和BP神经网络的股指动态预测方法,并运用多元线性回归模型对两种动态预测结果进行拟合.同时,随机抽取部分上证指数和道琼斯指数的实证研究表明:动态预测模型能及时调整新数据对后续预测的影响,获得了较高的预测精度.     

基于改进高斯模型的哈尔滨市PM_(2.5)扩散问题实证分析

2013年初以来,国内发生大范围持续雾霾天气,我国城市PM_(2.5)的污染问题引起了社会各界的关注和重视.根据风场和气象变化对高斯扩散模型进行适当改进,并提出基于高斯模型的PM_(2.5)扩散预测模型.以哈尔滨市PM_(2.5)近期实测数据为基础进行实证分析,对市区内10个地区的PM_(2.5)扩散和浓度变化做出合理的预测.     

大连水产品冷链物流需求影响因素分析及其预测

提出了一种基于GM(1,1)和BP神经网络的组合预测模型.首先对传统GM(1,1)模型的背景值进行改进,再利用改进的GM(1,1)模型和BP神经网络模型各自的优势分别预测冷链物流需求量的线性主体部分和非线性残差部分,然后将二者进行加和,并通过MATLAB对大连水产品冷链物流需求量进行仿真预测.结果表明,与单一的预测模型相比,该组合模型具有更高的预测精度,使预测结果更接近实际情况.     

基于改进CS优化BP神经网络的降水量预测模型

针对传统BP神经网络易陷入局部极值和连接权值难以确定的问题,提出了一种基于融合PSO(Particle Swarm Optimization)和CS(Cuckoo Search)的混合算法优化设计BP神经网络(PCS-BP)的预测模型.该优化方法主要利用混合算法优秀的全局搜索能力和收敛速度设计优化BP神经网络的连接权值和网络结构,解决了BP神经网络由于参数随机取值引起的网络震荡和过拟合的问题,提高了预测模型的准确性.结合具体实例,分别采用BP神经网络、CS-BP模型和PCS-BP模型对汉中地区的月降水量进行预测,实验结果表明,PCS-BP的平均绝对误差(MAE)为0.3966,均方根误差(RMSE)为2.3793,平均绝对百分比误差(MAPE)为0.46%,均优于其他模型,具有较好的预测能力.     

BP神经网络在肝硬化治疗预测中的应用

本文利用BP神经网络建立起66例肝硬化治疗结果数据预测模型,并基于matlab得出预测结果。实验证明利用BP神经网络可有效地预测肝病治疗效果。     

BP-GA混合优化策略在人力资源战略规划中的应用

采用混合优化策略训练神经网络,进而实现地区人力资源数据的时间序列预测.神经网络,尤其是应用反向传播(back propagation,简称BP)算法训练的神经网络,被广泛应用于预测中.但是BP神经网络训练速度慢、容易陷入局部极值.遗传算法(genetic algorithm,简称GA)具有很好的全局寻优性.因而提出将BP和GA结合起来的混合优化策略训练神经网络,来实现人力资源数据预测.与BP算法相比,数值计算结果表明预测精度高、速度快,为地区人力资源数据的时间序列预测研究提供了一条新的途径.     

基于SARIMA、GM(1,1)和BP神经网络集成模型的GDP时间序列预测研究

本文深入分析了灰色预测模型、自回归移动平均(ARIMA)模型和BP神经网络模型的预测特性和优劣,并在此基础上建立了由ARIMA、GM(1,1)和BP神经网络集成的时间序列预测模型。针对呈现趋势变动性和周期波动性二重特性的时间序列,首先建立GM(1,1)模型对序列的趋势项进行预测,然后建立基于ARIMA和BP神经网络的组合模型对序列的周期波动项进行预测,最后用乘积模型对二者预测值进行集成。GDP时间序列实证结果表明:集成模型的预测效果显著高于单一模型,从而证实了集成模型用于GDP预测的有效性.     

基于灰色神经网络的企业风险特征指标动态预测方法研究

根据企业风险特征指标预测问题的特点,提出将灰色系统GM(1,1)模型与神经网络结合建立一阶灰色神经网络预测模型,以实现系统预测的动态性及提高系统的预测精度.但该模型具有一定的局限性,从模型参数的角度给出了该模型只适用于具有"单调"性数据的证明,进而提出了三阶灰色神经网络预测模型,以适应预测数据"非单调"或摆动的情况.但随着系统建模过程中阶数的增加,预测精度会有所下降,因此应根据数据特点选择预测模型.最后,通过实证分析验证了上述模型及证明结论.     

基于遗传神经网络的风电功率预测

针对基于单一BP神经网络的风电功率预测模型的不足,提出了一种基于遗传算法优化的神经网络风电功率预测模型.模型采用遗传算法完成对神经网络权值和阈值空间的寻优搜索,以提高神经网络的收敛速度和获得全局最优解的能力.试验结果表明,基于遗传算法优化的神经网络可以提高风电功率预测的精度,其性能优于基于单一BP神经网络模型的风电功率的预测.     

基于改进BP神经网络的组合预测模型设计

为提高预测精度,解决非线性组合预测中的困难,利用改进BP神经网络对非线性组合预测模型进行了设计.讨论了模型设立的原则和一般程序,比较其与传统的组合预测方法之间的优劣,并给出实例加以验证.结果显示,基于改进BP神经网络的非线性组合预测模型能够准确描述系统中的非线性,提高预测精度.     

模糊神经网络中最大最小算子的连续化

1 前言神经网络以其很强的学习能力而著称(文献[1]),但其缺点是不容易纳入人的推理知识,模糊推理系统的优缺点正好与其相反．因此将模糊逻辑与神经网络相结合,形成模糊神经网络(文献[2],[3]),正可以取长补短,集学习,联想,识别,自适应及模糊信息处理于一体．     

Evaluation of fully fuzzy matrix equations by fuzzy neural network

In this paper, a new hybrid method based on fuzzy neural network for approximate solution of fully fuzzy matrix equations of the form AX=D$\mathit{AX}=D$, where A and D are two fuzzy number matrices and the unknown matrix X is a fuzzy number matrix, is presented. Then, we propose some definitions which are fuzzy zero number, fuzzy one number and fuzzy identity matrix. Based on these definitions, direct computation of fuzzy inverse matrix is done using fuzzy matrix equations and fuzzy neural network. It is noted that the uniqueness of the calculated fuzzy inverse matrix is not guaranteed. Here a neural network is considered as a part of a large field called neural computing or soft computing. Moreover, in order to find the approximate solution of fuzzy matrix equations that supposedly has a unique fuzzy solution, a simple algorithm from the cost function of the fuzzy neural network is proposed. To illustrate the easy application of the proposed method, numerical examples are given and the obtained results are discussed.     

An Adaptive Neural Network Model for Nonlinear Programming Problems

In this paper a canonical neural network with adaptively changing synaptic weights and activation function parameters is presented to solve general nonlinear programming problems. The basic part of the model is a sub-network used to find a solution of quadratic programming problems with simple upper and lower bounds. By sequentially activating the sub-network under the control of an external computer or a special analog or digital processor that adjusts the weights and parameters, one then solves general nonlinear programming problems. Convergence proof and numerical results are given.     

具有无穷时滞的细胞神经网络的全局稳定性分析

对具有无穷时滞的细胞神经网络平衡点的存在性、唯一性和全局渐近稳定性进行了分析．在放弃了激活函数的有界性、单调性和可微性假设的情况下,得到了系统的平衡点的存在性条件．利用向量Liapunov函数法的思想,构造适当的含有变时滞和无穷时滞的微分-积分不等式,通过对微分-积分不等式的稳定性分析,得到了神经网络系统的全局渐近稳定的充分条件．     

一类不确定非线性系统基于神经网络的自适应控制*

本文将非线性系统的几何方法与神经网络理论相结合,并利用变结构控制思想,研究了一类不确定系统的全局跟踪问题.     

时间序列模型和神经网络模型在股票预测中的分析

利用MATLAB软件编程建立AR模型、RBF和GRNN神经网络模型,滚动预测上证指数开盘价、最高价、最低价和收盘价与实际价格对比,分析误差.结果表明,3种模型用于股票预测均是可行的,误差很小.AR模型不稳定,对个别预测较准;RBF和GRNN网络训练速度都很快,但GRNN比RBF预测效果好.     

基于神经网络的SND近似计算

利用查表确定标准正态分布的函数值非常有限,这给工程应用带来很多不便。文章讨论了基于神经网络计算标准正态分布函数值的方法、数学原理、网络构造和学习过程。示例表明,计算简洁、方便,准确率能达到10^-6。     

广义神经网络及其稳定性,容错性分析

本文建立了一个广义神经网络模型，并研究了它的渐近稳定性和指数稳定性，由这些结果我们可以估计各记忆模式的吸引域及其中每一点趋向记忆模式的指数收敛速度，以此来评价网络的容错能力．     

故障诊断中模糊神经网络的应用研究

文章给出了利用模糊神经网络诊断故障的数学模型、基本原理、方法、步骤 ,和模糊网络的学习流程 ,并利用梯度法推导出两种诊断算法 ;在对某发动机滑油典型故障样本的仿真过程中 ,结果完全正确 ,对非样本故障的仿真 ,准确率达 90 % .     

一类时滞神经网络模型的稳定性

利用Lyapunov泛函,讨论了一类时滞神经网络模型 τ_j≥0,i=1,2,…,n平衡态的稳定性,获得了几个充分条件.