择优RBF神经网络下切削率的优化

本文通过择优RBF(径向基函数,Radial Basis Function)神经网络对影响切削加工过程的切削参数进行建模,对切除率进行拟合预测;提出松弛误差作为衡量网络精度的指标,使RBF选择最优的分布密度,从而有效提高RBF神经网络的拟合预测能力;并将择优RBF的拟合和预测结果与BP的相应结果进行了比较,结果显示择优RBF神经网络的拟合和预测精度大大优于BP神经网络.     

BP网络和RBF网络在期货预测中的比较研究

通过仿真实例,对BP网络和RBF网络在期货预测应用上的表现性能进行了比较研究,仿真结果表明,BP网络更适合于期货市场价格预测.实际的期货预测应用中,此结论可指导神经网络模型的选择.     

正交尺度小波网络及在非线性经济系统预测中的应用

本文提出一种用正交尺度函数代替RBF网络中的激活函数的小波网络，给出相应小波网络学习算法；并以天津市国内生产总值为样本进行宏观经济模拟预测，预测结果表明该模型预测误差低于普通BP网络。     

基于动态BP网络误差修正的广义预测控制

针对建模误差对非线性系统预测控制鲁棒性的影响 ,提出了一种基于动态 BP网络的广义预测控制算法 .该算法运用动态 BP网络对模型预测误差进行在线补偿 ,以提高预测精度 .仿真结果证明了本文提出的广义预测控制算法对于非线性系统是有效的     

基于模糊神经网络的MVP评价模型及实证分析

利用模糊数学和神经网络方法建立对运动员进行评价的模糊网络模型,采用NBA流行的各评价指标作为其输入,模糊综合评价结果作为输出。样本数据采用2003~2004赛季NBA各单项50强的常规赛数据,分别用BP网络和RBF网络,建立分析系统,比较结果证明RBF网络仿真效果最好,完全可以实用,该模型也可以用在其它综合评价系统中。     

交通流灰色RBF网络非线性组合预测方法

针对智能交通系统的开发,提出一种基于灰色GM(1,1)模型和RBF网络非线性组合的短时交通流预测方法.该方法采用三层结构的RBF网络将两种单一预测方法(灰色GM(1,1)模型和RBF网络)进行了非线性组合.利用实测数据对组合方法进行了仿真实验,结果表明:非线性组合模型的预测准确性高于单独的RBF网络预测的准确性;组合模型发挥了两种单一方法各自的优势,是短时交通流预测的有效方法.     

混合优化RBF-BP网络的板形缺陷识别

针对传统板形模式识别方法存在精度低、鲁棒性弱的问题,提出了一种混合优化RBF-BP组合神经网络板形模式识别方法。首先利用自组织映射网络(SOM)对样本聚类,利用聚类后的网络拓扑结构确定RBF的中心,并计算RBF的宽度,克服了传统聚类算法随机选取中心导致聚类结果不稳定的问题。然后利用遗传算法(GA)良好的全局搜索能力优化整个网络的权值。RBF-BP组合神经网络是由一个RBF子网和一BP子网串联构成的,该网络同时具备BP神经网络能较好地预测未知样本的能力以及RBF神经网络的逼近速度快的优点。并以某900HC可逆冷轧机板形识别为应用背景,在MATLAB2010a环境下进行仿真实验,结果表明混合优化RBF-BP组合神经网络的板形模式识别方法能够识别出常见的板形缺陷,提高了板形缺陷识别精度并具有较好的鲁棒性,可以满足板带轧机高精度的板形控制要求。     

基于LASSO的神经网络权值阈值优化方法

本文在LASSO方法和神经网络误差回传思想的基础上,建立LASSO-BP算法.与BP神经网络算法和RBF径向基网络算法比较,该算法具有耗时短,抗干扰能力强的优点以及更好的分类效果.最终我们通过数值实验对该算法进行了验证.     

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.     

3标度层次分析法下盘锦人口预测方法的优选

基于目前我国人口数量预测方法繁多,优缺点不一的现状,以盘锦市1978～2008年人口数据为基础,分别采用曲线回归、GM(1,1)与等维递补灰色模型、BP神经网络与RBF神经网络、马尔萨斯模型与费尔哈斯模型、宋健模型与Leslie矩阵方法分别对盘锦市2030、2050、2070、2090年人口进行预测,并根据预测结果设置了盘锦市人口预测方法的多目标定量优选体系,并采用Matla,b2009b软件运用3标度层次分析法方法进行了预测方法的优选.优选结果显示在盘锦市人口预测中,径向基网络(RBF)为最优方案.     

基于FOA-RBF神经网络的外贸出口预测

应用果蝇优化算法对径向基神经网络扩展参数的优化方法进行研究,给出了一种以标准误差计算公式为味道判定函数,以此确定最优的径向基函数的扩展参数值的方法,并建立了相应的预测模型.应用该预测模型对黑龙江省外贸出口额进行预测,结果表明:预测模型的预测精度优于径向基神经网络,从而证明了方法的有效性.     

基于ANP-RBF神经网络的化工行业绿色供应商选择

基于绿色供应链理念,提出了化工行业绿色供应商选择的特色指标,构建了化工行业绿色供应商选择的ANP-RBF神经网络模型。通过ANP确定各指标权重,再结合RBF神经网络,从训练数据中提取隐含的知识和规律,能够方便地用于新供应商的选择。该模型求解算法为增量算法,具有很好的可扩展性,从而增加了评价的动态性。算例验证结果表明,将ANP-RBF神经网络模型用于化工行业绿色供应商的选择具有较强的实用性。     

基于IGRA-ISVD约减和RBF的森林火灾消防直升机需求预测模型

针对森林火灾消防直升机需求预测问题,提出了一种基于改进灰色关联分析(IGRA)和改进奇异值分解(ISVD)约简的径向基函数(RBF)神经网络预测模型.首先,基于既有研究梳理了森林火灾消防直升机需求预测指标体系;然后,在改进灰色关联分析和奇异值分解方法的基础上,分别对消防直升机需求预测数据信息进行属性约简和维度约简;最后,利用约简预测数据信息对RBF神经网络进行训练,进而构建消防直升机数量预测模型.案例分析和对比分析表明了本文所提方法的可行性和合理性.     

产品需求预测的演化神经网络算法MLPES

在需求拉动型的供应链中，需求成为供应链的起点和动力源泉。由于制造商在供应链中的特殊地位，制造商成为供应链由需求驱动变为预测驱动的断耦点，以制造商为核心进行准确的需求预测可以在一定程度上减少需求不确定性的影响。本文在多层感知器的框架上，提出了基于演化策略的神经网络预测方法MLPES，改进了在多层感知器中普遍采用的BP算法，并设计了学习算法的流程，通过反复测试确定了模型的参数，最后对预测结果进行了分析。     

基于季节性RBF神经网络的月度市场需求预测研究

本文提出一种季节性神经网络预测模型,对具有季节性变化的产品月度市场需求进行预测.在Matlab语言环境下,用傅立叶周期分析法得到时间序列的周期长度;借鉴嵌入理论,提出了确定季节性神经网络输入维数的策略;利用计算机程序搜索,确定最优参数;通过合理插值,重构样本集.仿真实验表明,该模型的预测精度明显高于其他几个常用的季节预测模型.     

供应链协同需求预测机制研究

如何实现供应链需求预测的有效协同是一个需要解决的难点问题。论文基于博弈论分析了协同需求预测的利益分配机制,定量分析了供应链协同需求预测的整体收益系数,提出了考虑收益和成本的动态激励机制,还定性分析了核心企业主导、信息共享以及信任等机制。提出的机制对提高供应链整体的预测能力,提升竞争力和整体绩效具有很好的价值。     

需求预测更新条件下两阶段电子商务供应链契约协调

研究了一类在贝叶斯需求预测更新情形下,生命周期中采用B2C与C2B两阶段进行产品销售的供应链模型,研究发现无法使用单一契约来协调供应链。在此基础上,设计了具有供应商价格折扣契约与零售商承诺订购契约的两阶段供应链契约协调机制,证明了两阶段协调机制能够实现供应链的帕累托改进。算例分析表明了两阶段契约协调机制的有效性,并发现能够实现供应链完美协调的契约参数不一定在帕累托集合内,供应链不一定能够达到完美协调;且由于零售商与供应商的最优契约参数不同,需要通过零售商与供应商之间的谈判达到纳什均衡。     

证券投资预测的马氏链法和E-Bayes法

本文提出了两种证券投资预测方法-马氏链法和E-Bayes法.首先对数据进行分组,然后在此基础上应用马氏链法和E-Bayes法的理论建立预测模型,最后结合实际问题进行了计算,两种方法的预测结果是一致的.     

FA-RBF复合神经网络模型及其在地下水位预测中的应用

地下水动态变化过程呈现出高度复杂的非线性特征,增加了地下水位预测的难度.为充分反映地下水位变化过程中自变量和因变量之间的非线性映射关系,克服在获取水文地质参数与查明水文地质条件方面的困难,避免部分智能方法实现繁琐复杂、计算效率低、限制条件多等不足,提出将因子分析方法与RBF神经网络算法构成复合模型,用于地下水位预测.结果表明,复合模型可以用于地下水位预测,模型计算结果可靠,网络训练时间缩短,计算精度有所提高;而且有成熟算法,实现简单.