遗传算法与神经网络相结合的降水预报模型

针对目前BP神经网络在实际应用中,网络结构难以确定以及网络极易陷入局部解问题,用遗传算法优化神经网络的连接权和网络结构,在遗传进化过程中采取保留最佳个体的方法,建立基于遗传算法的BP网络模型,同时通过实例说明该模型在降水预测中的应用,计算结果表明该方法的预测精度较高。     

基于二次优化BP神经网络的期货价格预测

针对BP算法存在的不足,结合神经网络、遗传算法和主成分分析的优点,提出基于二次优化BP神经网络的期货价格预测算法.初次优化采用主成分分析法对网络结构进行优化,第二次优化采用自适应遗传算法对网络参数进行优化,将经过二次优化后建立的BP神经网络模型用于期货价格预测.经仿真检验,用新方法建立的模型对期货价格进行预测,在预测的精度和速度方面都优于单纯BP神经网络模型.     

遗传算法优化神经网络的汛期降水模型

针对目前神经网络在实际应用中,网络结构难以确定以及网络极易陷入局部解问题,用遗传算法优化神经网络的连接权和网络结构,并在遗传进化过程中采取保留最佳个体的方法,建立基于遗传算法的神经网络模型,实例研究结果表明该方法可以取得较高的预测精度.     

混沌遗传算法对BP神经网络的改进研究

BP神经网络算法是目前应用最广泛的一种神经网络算法,但有收敛速度慢和易陷入局部极小值等缺陷.本文利用混沌遗传算法(CGA)具有混沌运动遍历性、遗传算法反演性的特性来改进BP神经网络算法.该算法的基本思想是用混沌遗传算法对BP神经网络算法的初始权值和初始阈值进行优化.把混沌变量加入遗传算法中,提高遗传算法的全局搜索能力和收敛速度;用混沌遗传算法优化后得到的最优解作为BP神经网络算法的初始权值和阈值.通过实验观察,改进后的结果与普通的BP神经网络算法的结果相比,具有更高的准确率.     

基于GRA-CS-BP算法的期货价格预测

针对在采用BP神经网络进行期货价格预测时,存在的模型结构复杂,易陷入局部极小值,模型无法收敛问题.考虑从网络结构和网络参数两个方面对BP网络模型进行优化,由此提出基于GRA-CS-BP算法的期货价格预测方法.首先用灰色关联度分析法进行输入变量筛选,找出和预测价格关联度大的重要因素作为网络输入,简化网络模型整体结构.然后采用布谷鸟算法对网络权阈值参数进行优化,将经过选择优化后建立的BP神经网络模型用于期货价格预测.仿真结果表明,新模型不仅具有更高的预测精度,同时其运行的稳定性也要好于单纯BP神经网络模型,为期货价格预测提出了一种新的方法.     

基于模糊神经网络的动车组转向架健康评估

动车组转向架的健康状态直接关系到到动车组的行车安全,基于健康评估方法获取其健康状态及时制定维护计划可以有效降低其维护费用.动车组转向架健康状态评估时应用了模糊层次分析法以及BP神经网络,其模糊矩阵的特征向量用遗传算法进行求解,获取动车组转向架系统关键部件健康状态的权重,以及基于转向架系统评价指标的健康状态样本数据.构建BP神经网络,用转向架健康状态样本数据作为神经网络训练集,优化神经网络结构参数.通过实际测试数据对神经网络评估效果进行检验,完成了动车组转向架健康评估方法的智能化,支持了动车组转向架的维护决策.     

小微企业信用风险评估的IDGSO-BP集成模型构建研究

针对传统BP神经网络在小微企业信用风险评估实际应用中,随机初始权值和阈值导致网络学习速度慢、易陷入局部解以及运算结果误差较大等缺陷,借助群智能萤火虫(GSO)算法,提出一种基于改进离散型萤火虫(IDGSO)算法的BP神经网络集成学习算法的小微企业信用风险评估IDGSO-BP模型。该模型以BP神经网络为基本框架,在学习过程中引入离散型萤火虫算法,优化设计神经网络的网络结构与连接权值,得到一组相对合适的权值与阈值,再进行新一轮网络训练,以“均平方误差最小”为评价准则,产生网络的输出结果,以此建立小微企业信用风险评估模型。其仿真实验结果表明,该模型在收敛速度及运算精度方面较传统BP神经网络模型、遗传GA-BP模型及连续GSO-BP模型有较明显优势。因此,IDGSO-BP模型可以有效提高小微企业信用风险评估的准确性。     

基于灰关联分析的GA-BP神经网络在汽车油耗估算中的应用

从设计参数特征入手分析影响汽车油耗的因素,利用灰关联分析方法,解析了各设计参数对汽车油耗的影响程度,选择其中灰关联度较大的设计参数作为输入数据,综合工况油耗作为输出数据,构建6-5-1层结构的BP神经网络预测模型,并利用遗传算法获得优化后的BP神经网络的权值和阈值,然后训练BP神经网络得到最优值,最后以国内市场340款汽车作为研究样本,进行有效性验证.研究结果表明,模型利用灰关联分析获得影响汽车油耗的主要因素,简化了网络结构;与优化前的BP神经网络相比,具有更高的预测精度和可靠性.     

人工神经网络BP算法的改进和结构的自调整

本文解决了BP神经网络结构参数和学习速率的选取问题,并对传统的BP算法进行了改进,提出了BP神经网络动态全参数自调整学习算法,又将其编制成计算机程序,使得隐层节点和学习速率的选取全部动态实现,减少了人为因素的干预,改善了学习速率和网络的适应能力。计算结果表明：BP神经网络动态全参数自调整算法较传统的方法优越。训练后的神经网络模型不仅能准确地拟合训练值,而且能较精确地预测未来趋势。     

遗传算法结合神经网络在油气产量预测中的应用

基于遗传算法的全局搜索能力和BP算法的局部精确搜索特性,通过采用遗传算法优化神经网络的方法,将遗传算法和BP算法有机结合,做到优势互补,在提高油气产量预测精度的研究中得到了很好的应用.在对国内某中小型气田油气产量的预测中,以历史产量资料进行检验,其结果表明,提出的预测方法,预测精度明显优于BP算法,证明了这种方法的有效性和可靠性.     

双重网络嵌入对公司IPO后市场表现的影响研究

将社会网络嵌入理论从单一网络拓展至双重网络,分析上市公司同时嵌入风险投资网络和承销商网络对公司IPO上市后市场表现的影响。利用2004～2017年有风险投资支持的IPO公司数据,实证检验结果表明：(1)单独嵌入风险投资网络中心位置、单独嵌入承销商网络中心位置,均会提高公司IPO后市场表现;(2)同时嵌入风险投资网络中心位置和承销商网络中心位置,对公司IPO后短期市场表现的正向影响会相互替代;(3)同时嵌入风险投资网络中心位置和承销商网络中心位置,对公司IPO后长期市场表现的正向影响会互相补充。     

BP模式识别与Hopfield联想记忆识别能力的比较

神经网络可以进行模式识别,这一功能具有很高的实用价值.主要研究BP神经网络和离散Hopfield神经网络的识别能力.BP网络是前向神经网络,使用的是监督式学习规则.离散Hopfield是一种反馈网络,结构上输入、输出节点相连使得网络系统的输出状态具有动态变化特性.就数字,字母,手写体数字比较了BP网络和离散Hopfield网络的识别能力,得到了可观的结论,对两个网络的应用做更进一步的阐述.     

利益驱动对创新网络合作行为演化的影响机理及仿真——基于复杂网络拓扑结构视角

随着合作创新的网络化发展,创新网络中各主体的利益诉求对网络演化的影响不断加深。基于不同网络拓扑结构视角下不同利益对创新网络主体合作行为的影响,建立了创新网络演化博弈模型。在无标度与小世界网络拓扑结构下,结合声誉机制、学习行为、网络环境等因素,对创新网络中合作行为的演化进行了仿真研究。结果表明:创新网络的合作行为演化受到网络结构及规模的双重影响,在无标度网络下,合作率更加稳定;合作利益的公平分配促进创新网络合作行为的演化;机会利益的诱惑导致创新网络合作行为的显著波动。     

����fMRI���ݵ�ȫ�Զ�̬�������������������Ե��о�

There're about 10^{11} neurons in the human brain.Through the synaptic junction, neurons have formed a highly complex network.And it is really important to figure out the information expressed in the network, which will contribute to the resolution of the prevention and diagnosis of cognitive disorder of human beings. This paper uses the schizophrenia and healthy controlled subjects' fMRI data to construct the brain network model, in order to explores abnormal topological properties of schizophrenics' brain network based on graph theory. When studying the human brain network information traditionally by the basement of graph theory, it's all assure that the human brain network model has invariance, so it takes the whole period of time series data in constructing human network model, which is a kind static network. However, it's hard to ensure this because of the nonstationarity of fMRI functional time series data. Thus, when constructing human brain network model, we should take its time-variation into consideration, then construct a dynamic brain network. We can explore the brain network information better. In this research, we segment the time series data, using time windows, to constructing dynamic brain network model, then analyze it combined with the knowledge of graph theory, thereby reducing effects that the nonstationarity of fMRI functional time series data will have. Comparing dynamic brain network of the schizophrenic patients with normal controls subjects' in different level, the results show that there are difference in single node property, group network property of schizophrenic patients and normal control subjects' whole brain dynamic functional connectivity network. The discovery of these difference in network topological properties has provide new clues for the further study on the pathological mechanism of schizophrenia.     

An optimal capacity assignment for the robust design problem in capacitated flow networks

This paper proposes an exact algorithm to solve the robust design problem in a capacitated flow network in which each edge has several possible capacities. A capacitated flow network is popular in our daily life. For example, the computer network, the power transmission network, or even the supply chain network are capacitated flow networks. In practice, such network may suffer failure, partial failure or maintenance. Therefore, each edge in the network should be assigned sufficient capacity to keep the network functioning normally. The robust design problem (RDP) in a capacitated flow network is to search for the minimum capacity assignment of each edge such that the network still survived even under the edge’s failure. However, how to optimally assign the capacity to each edge is not an easy task. Although this kind of problem was known of NP-hard, this paper proposes an efficient exact algorithm to search for the optimal solutions for such a network and illustrates the efficiency of the proposed algorithm by numerical examples.     

网络图修改方法的两个创新

随着社会的不断向前发展，网络图的应用越来越广泛。比如项目管理中的网络图、电网中的控制图和交通运输中的控制图等都是常见的网络图。网络图越复杂，修改起来越麻烦，本提出的网络图修改方法的两个创新能大大提高网络图修改方法的效率。网络图修改的第一个创新是网络图节点的高效删除．第二个创新是平行工序变为顺序工序的自动实现。     

非对称视角下技术创新网络社群结构涌现及其对双元创新的影响研究

针对介于全局网络与自中心网络间的社群现象及其网络结构的创新悖论,分析了不同层面网络社群结构的涌现特征,从组织间关系的非对称视角,探究网络社群动态变化对双元创新的差异性影响。利用高科技生物制药行业的合作与专利数据,使用快速压缩社群识别算法和多元回归模型进行实证检验。研究结果表明:宏观层面的全局网络存在显著“抱团”的多社群巨元组结构;中观层面的网络社群存在选择偏好的核心-边缘结构;微观层面社群组织动态的跨社群运动和成员流动二维变化加剧;社群动态的二维变化对突破式创新具有正向影响,与渐进式创新呈现倒U型关系;位置非对称性正向调节社群动态对双元创新的影响,技术非对称性的调节作用不显著。研究结论有助于揭示技术创新网络社群的合作创新模式,对提升组织创新能力,维持创新网络平稳运行具有重要意义。     

基于随机矩阵理论的股市网络拓扑性质研究

本文运用随机矩阵理论(RMT)和相关系数动态演化模型建立全球股指二次“去噪”相关系数矩阵,并采用阀值法构建全球股市网络,进而分析该网络拓扑结构特性和解释风险在网络中的传染效应。研究发现,全球股市网络呈现出“小世界”效应;在θ=0.1数量水平下,全球股市网络具有较强的鲁棒性。同时,英国和荷兰的股票市场风险传染对网络整体的冲击较大;股市网络中各个股市间的风险传染路径与相关国家经济实力相关联,体现出较强的同配性。     

Optimization of transit route network,vehicle headways and timetables for large-scale transit networks

This paper presents a metaheuristic method for optimizing transit networks, including route network design, vehicle headway, and timetable assignment. Given information on transit demand, the street network of the transit service area, and total fleet size, the goal is to identify a transit network that minimizes a passenger cost function. Transit network optimization is a complex combinatorial problem due to huge search spaces of route network, vehicle headways, and timetables. The methodology described in this paper includes a representation of transit network variable search spaces (route network, headway, and timetable); a user cost function based on passenger random arrival times, route network, vehicle headways, and timetables; and a metaheuristic search scheme that combines simulated annealing, tabu, and greedy search methods. This methodology has been tested with problems reported in the existing literature, and applied to a large-scale realistic network optimization problem. The results show that the methodology is capable of producing improved solutions to large-scale transit network design problems in reasonable amounts of time and computing resources.     

Stable and emergent network topologies: A structural approach

Economic, social and military networks have at least one thing in common: they change over time. For various reasons, nodes form and terminate links, thereby rearranging the network. In this paper, we present a structural network mechanism that formalizes a possible incentive that guides nodes in constructing their local network structure. The mechanism assumes that nodes deliberately form and terminate links as they attempt to gain network advantage and/or an identifiable position in the network. Reiteration of this mechanism, which only uses local network characteristics, results in emergent, stable network topologies. Examples are uni-polar networks, bi-polar networks and cycle-networks. This process illustrates that local, binary decisions shape global network structures. These results may be used to derive some rules of thumb for designing networks.