物理演示教学中的MCAI

本文首先说明了什么是MCAI，在此基础上，论述了MCAI在物理演示教学中的特点；并且对MCAI在物理演示教学中的两种教学模式－－演示型和访问型分别进行了讨论；在文章的最后，强调了MCAI在物理演示教学中的位置及其进一步的发展。     

值得重视的定性、半定量物理实验

本文明确提出了一类新的实验—定性、半定量物理实验，论述了这类实验在培养学生创新能力方面的作用和意义，最后介绍了国外及作者在这方面的实践情况     

中国玉米期货市场价格发现功能的实证分析

利用相关系数、协整检验、格兰杰因果检验以及GS模型等方法对大连期货交易所玉米期货市场的发现价格功能进行了实证分析.结果表明:玉米期货价格与现货价格之间存在协整关系,期货价格具有良好的发现价格功能;存在期货价格和现货价格的双向格兰杰引导关系;玉米期货市场的发现价格功能中期货价格起着决定性的作用.     

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.     

基于神经网络的期货市场预测及模型实现

通过对期货市场的研究,尝试用人工神经网络预测期货行情走势.介绍了如何将期货市场与改进的BP网络有机结合起来构造适合期价预测的模型,并应用Matlab工具,设计一个具有较强通用性的人工神经网络模型,在降低重复开发的同时,为更多潜在的用户提供一个适合各自需求的人工神经网络.通过实例证实运用神经网络进行期货价格预测相对于传统的经济预测方法具有更好的精确性.     

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.     

Hamilton连通图的一个充分条件

Let G be a3-connected graph with n vertices.The paper proves that if for each pair of verti-ces u and v of G,d(u,v)=2,has|N(u)∩N(v)|≤α（αis the minimum independent set num-ber),and then max{d(u),d(v)|≥n 1/2,then G is a Hamilton connected graph.     

石油期货价格距到期日效应波动实证研究

世界石油期货价格是否存在价格的波动性随到期日的临近而上升的趋势,对于投机商和市场监管都至关重要.研究根据中外石油期货合约的收盘价格得到较为平稳的日收益率,以37个合约的收益率为样本,分别建立时间序列ARM A主模型,并进一步建立带"到期时间"哑变量的GARCH模型.实证分析了世界石油期货收益率的到期日效应.在分析产生到期日效应原因的时,建立了带"成交量"与"国际价格"变量的GARCH模型,对成交量与国际石油期货价格对中国期货价格到期日的影响进行研究.     

基于主成分——BP神经网络的期货市场预测

结合主成分分析法和神经网络的优点,提出了基于主成分分析的神经网络方法来对期货市场进行预测.引入主成分分析法对原始输入变量进行预处理,选择输入变量的主成分作为网络输入,一方面减少了输入维度,消除了各输入变量的相关性;另一方面提高了网络的收敛性和稳定性,也简化了网络的结构.通过实例验证,基于主成分的神经网络比一般神经网络训练精度更高.     

基于神经网络的期货预测数据预处理问题研究

期货预测研究在期货价格数据预处理和预测方法上存在直接套用原始数据代入模型以及价格预测模型和原始数据模型不相匹配等问题,需要予以解决.本研究在采用通货膨胀率指数调整、平均周期项以及滤波等方法对铜期货价格时间序列数据进行预处理后,分别将预处理前后的期货价格数据输入到神经网络预测模型,通过比较两者预测结果来验证原始期货时间序列数据预处理的必要性.