函数的径向基表示

本文是关于函数的径向表示的综述性文章，基于我们对这方面的研究工作的了解，介绍了国际上近年来这方面的主要的有关研究结果以及在一些领域中应用的情况，文后附有主要的参考文献以便感兴趣的读者查阅。     

基于径向基函数神经网络的流程企业供应链预测仿真

本文在比较预测方法的基础上，采用径向基函数（RBF）神经网络技术建立流程企业供应链预测模型，进行了实例预测仿真，并将预测结果与BP网络的预测结果进行了比较。结果表明，RBF网络误差小于BP网络，其中平方根RBF网络的预测仿真误差最小，而BP网络的误差最大。     

基于模糊径向基函数神经网络的模糊数据建模研究

提出将模糊径向基函数神经网络(FRBFN)用于模糊数据的建模,并提出融和圆锥模糊向量的聚类方法和模糊线性回归的学习算法。仿真研究表明．FRBFN及其算法在模糊数据建模方面有一定的优势。     

拟径向基函数法在公司债券风险衡量中的应用

本文应用拟径向基函数法(Q-RBFS)求解基于风险债券定价的Black-Scholes方程,并采用了特殊的方法降低系数矩阵的条件数来解决由于不断循环求解方程组所积累的误差,得到精确度较高的数值近似解,实现了债券风险定价.     

关于径向基函数插值的收敛性

本文在 n 维空间给出了径向基函数插值及逼近的收敛性质,并给出了收敛阶.     

关于径向基函数插值的收敛性

本文在n维空间给出了径向基函数插值及逼近的收敛性质,并给出了收敛阶。     

径向基函数在非线性PDE形状优化中的应用

提出了一种求解非线性偏微分方程形状优化问题的径向基函数方法.灵敏度分析结果采用的共轭方法;形状的演化通过最优性准则方法得到;控制方程和共轭方程的求解用的是径向基函数方法.由于径向基函数方法是真正的无网格方法,比网格依赖方法有更好的适应性.提供的数值算例说明了所提算法的稳定性和有效性.此外,所得方法可以灵活地与其他优化算法相结合,从而可以解决更复杂的非线性偏微分方程中的最优形状设计问题.     

基于多元二次径向基神经网络的偏微分求解方法

为提高偏微分方程的计算求解精度,设计了以多元二次径向基神经网络为求解单元的偏微分计算方法,给出了多元二次径向基神经网络的具体求解结构,并以此神经网络为求解基础,给出了具体的偏微分计算步骤.通过具体的偏微分求解实例验证方法的有效性,并以3种不同设计样本数构建的多元二次径向基神经网络为计算单元,从实例求解所需的计算时间以及解的精度作对比,结果表明,采用基于多元二次径向基神经网络的偏微分方程求解方法具有求解精度高以及计算效率低等特点.     

导弹武器系统费用预测的径向基函数网络方法

提出采用径向基函数网络理论来估算导弹武器系统的费用,武器系统的费用与武器特征参数的关系可通过神经网络的阈值和权值来表现,并且对几种用于导弹武器系统费用分析的数据分析结果进行比较分析.通过实例说明了应用径向基函数网络进行导弹武器系统费用分析不但算法可行性好、拟合精度高,而且具有运算简单,结果可靠的特点.     

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.     

基于径向基函数网络的区域物流能力投资结构优化

针对如何有效地提高区域物流能力,以推动区域经济增长的问题,构建了区域物流能力的投资结构优化模型.首先详细分析了优化区域产业投资结构能增强区域物流能力的原因,从产业结构的角度揭示了区域物流能力与产业投资分配之间复杂的非线性关系;然后采用径向基函数神经网络实现了它们之间的非线性映射,进而建立了有约束条件限制的非线性规划投资结构优化模型;最后以四川省2005年的产业投资实际数据为基础,采用改进遗传算法对该模型进行求解,获得了优化问题的近似最优解以及投资结构的优化方向.优化结果表明:建立的模型对产业投资结构的优化是合理、有效的,从而提供了一个能提高区域物流能力的实用且切实可行的新方法.     

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.     

未确知RBF神经网络及其在故障诊断中的应用

建立未确知RBF神经网络.特点是:综合了未确知系统与神经网络的优点,充分利用已知样本所提供的先验信息,给出了期望输出隶属度的计算方法,网络输出合理且具有良好的可解释性.将未确知RBF神经网络应用于故障诊断领域,取得了很好的效果.     

基于径向基函数网络的虚拟物流企业伙伴选择方法研究

在对虚拟物流企业系统研究的基础上 ,针对虚拟物流企业伙伴选择问题的特点 ,给出了一个面对虚拟物流企业伙伴选择问题的较为全面的选择过程框架 .并提出了一个基于径向基函数网络算法的虚拟物流企业伙伴选择模型 ,实例仿真说明了该算法和模型的有效性 .     

基于神经网络的股票预测模型

针对股票市场的特征提取困难、预测精度较低等问题,本文基于深度学习算法,构建了一系列用于股票市场预测的神经网络模型,包括基于多层感知机(MLP)、卷积神经网络(CNN)、递归神经网络(RNN)、长短期记忆网络(LSTM)和门控神经单元(GRU)的模型。 针对RNN、LSTM和GRU无法充分利用所参考的时间维度的信息,引入注意力机制(Attention Mechanism) 给各时间维度的信息赋予不同权重,区分不同信息对预测的重要程度,从而提升递归网络模型的性能。上述模型均基于股票数据进行了优化,基于上证指数对各类模型进行了充分的对比实验,探索了模型中重要变量对性能的影响,旨在为基于神经网络的股票预测模型给出具体的优化方向。     

基于RN和GN的两种RBF神经网络的工程造价预测模型

建立了调用NEWRB函数的正规化网络RN和基于K-means聚类的广义网络GN的两种RBF‘神经网络的工程造价预测模型,以55个厦门市工程造价案例进行实证分析.结果表明:当调用NEWRB函数构建RBF模型时,其性能主要取决于分布宽度,而基于K-means聚类的RBF神经网络主要取决于重叠系数和隐含层节点数;基于广义网络GN的RBF神经网络模型的训练效果较差,但学习速度更快、预测精度更高.     

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。     

基于小波神经网络与ARIMA组合模型在股票预测中的应用

为了实现对股票价格变化的短期预测,提出了一种基于小波神经网络(WNN)与自回归积分滑动平均模型(ARIMA)的组合预测模型.将股票的收盘价序列数据划分为线性以及非线性(误差项)两个部分,分别利用统计学中ARIMA模型和小波神经网络分别对两部分数据进行预测并得到结果,将两部分结果组合相加合成为整个股票价格的预测结果.实验结果表明该组合模型在预测精度方面有提高,是一种比较有效的预测模型.