偏最小二乘回归的贝叶斯正则化神经网络集成模型在证券分析预测中的应用

神经网络集成技术能有效地提高神经网络的预测精度和泛化能力,已经成为机器学习和神经计算领域的一个研究热点.利用Bagging技术和不同的神经网络算法生成集成个体,并用偏最小二乘回归方法从中提取集成因子,再利用贝叶斯正则化神经网络对其集成,以此建立上证指数预测模型.通过上证指数开、收盘价进行实例分析,计算结果表明该方法预测精度高、稳定性好.     

一类三参数混沌动力学系统模型及其在经济增长研究中的应用

从非线性自回归模型Xt+1=-αXtλ+1+βXt+γ出发,通过变量替换Xt=aYt,推出三参数混沌动力学系统模型Yt+1=kYt(1-Ytλ)+c;采用线性回归与非线性回归相结合的改进的混合法,对模型参数作了估计;实际研究表明,该模型可以用于对国内生产总值GDP增长的研究.     

升降法确定的疲劳强度估计量的统计特性

当疲劳强度服从正态分布N(μ,σ2)时,文[11]给出了,在特定条件下,Sri=1/2(Si+Si+1)是疲劳强度均值μ的极大似然估计的证明,笔者认为该证明值得商榷.本文将特定条件推广到一般条件,得到了新的结论当疲劳强度服从任何给定的标准差的正态分布N(μ,σ02)时,在一般条件下,Sri=1/2(Si+Si+1)是疲劳强度均值μ的极大似然估计.并给出了严格的证明.     

非线性最小二乘问题的信赖域方法

本文提出一个新的非线性最小二乘的信赖域方法,在该方法中每个信赖域子问题只需要一次求解,而且每次迭代的一维搜索步长因子是给定的,避开一维搜索的环节,大大地提高了算法效率.文中证明了在一定的条件下算法的全局收敛性.     

混合指数更新模型下平均折现惩罚函数

本文讨论了以混合指数分布为点间间距的更新风险模型下平均折现惩罚函数, 在简单条件下, 利用Dickson and Hipp (2001)中引入的变换方法, 得到了平均折现惩罚函数的Laplace变换的精确表达式.     

求解无线传感器网络路由问题的蚁群最优化算法及其收敛性

首先将无线传感器网络的路由问题转化成求解最小Steiner树问题,然后给出了求解无线传感器网络路由的蚁群优化算法,并对算法的收敛性进行了证明．最后对找到最优解后信息素值的变化进行了分析．即在限制信息素取值的条件下,当迭代次数充分大时,该算法能以任意接近于1的概率找到最优解,并且当最优解找到后,最优树边上的信息素单调增加,而最优解以外边上的信息素在有限步达到最小值．     

CCD光谱谱线标定方法研究

CCD作为光谱分析和测色仪器的光谱接收器件 ,光谱谱线定位受单色仪狭缝和CCD光敏元尺寸影响。提出采用最小二乘法做曲线拟合和质心法来确定光谱线在CCD上的精确定位 ,使光谱谱线的定位精度得到提高 ,并且不受CCD光敏元尺寸限制。实验结果表明 ,两种方法对光谱线的定位 ,具有重复性高 ,稳定性好等特点。在定位精度上 ,两者具有一致性。     

离散型半参数广义线性纵向数据模型的方差成分检验

在回归分析中, 随机误差是否存在方差非齐性是大家十分关心的问题, 本文根据Laplace展开原理针对随机效应的影响研究了基于纵向数据的离散型半参数广义线性模型的方差成分检验,得到了Score检验统计量, 最后通过一个实例和计算机模拟验证了本文所提出的方法的有效性.     

求解最小Steiner树的蚁群优化算法及其收敛性

最小Steiner树问题是NP难问题,它在通信网络等许多实际问题中有着广泛的应用．蚁群优化算法是最近提出的求解复杂组合优化问题的启发式算法．本文以无线传感器网络中的核心问题之一,路由问题为例,给出了求解最小Steiner树的蚁群优化算法的框架．把算法的迭代过程看作是离散时间的马尔科夫过程,证明了在一定的条件下,该算法所产生的解能以任意接近于1的概率收敛到路由问题的最优解．     

超立方体的Laplace矩阵的谱

本文解决了超立方体的Laplace矩阵的谱问题．n维超立方体Q。的Laplace矩阵L（Q）的谱specL（Qn）。[0 2 4…2n Cn^0 Cn^1 Cn^2 … Cn^n],．其中2t（t=0，1，2，…，n）为L（Qn）的n＋1个不同的特征值，二项式系数Cn为特征值2t的重数．