GM(1,1)模型参数的神经网络算法

GM(1,1)模型的实质是小样本、贫信息下的预测模型,其目的是得到误差尽可能小的预测值.在分析GM(1,1)模型建模机理的基础上,提出了GM(1,1)模型中参数a,b的一种新算法——神经网络算法.把神经网络中的BP算法应用于GM(1,1)模型的建模过程,实例表明可使预测精度得到提高.     

Max—min神经网络的一种有效学习算法

本文在Ａ．Ｂｌａｎｃｏ等人的算法的基础上，提出了ｍａｘ－ｍｉｎ神经网络的一种改进了的反馈学习算法，严格证明了该算法的迭代收敛性，理论分析及实例计算结果均表明，本文算法具有算法简单，收敛速度快，输出误差小等显著特点。     

一种快速且全局收敛的BP神经网络学习算法

目前误差反向传播(BP)算法在训练多层神经网络方面有很多成功的应用.然而,BP算法也有一些不足:收敛缓慢和易陷入局部极小点等.提出一种快速且全局收敛的BP神经网络学习算法,并且对该优化算法的全局收敛性进行分析和详细证明.实证结果表明提出的算法比标准的BP算法效率更高且更精确.     

基于MTALAB的神经网络判别模型

判别分析是判别样品所属类型的一种统计方法.利用M ATLAB提供的神经网络工具箱为基础,设计了一个三层BP神经网络判别模型,提出了一种进行判别分析的新方法,实例表明,利用BP神经网络建立的判别模型是进行判别分析的有效方法.是对研究分类问题的方法的扩充.     

基于ARIMA模型与神经网络模型的股价预测

了解并掌握股价运行的规律是许多投资者和学者所关注的领域,采用了ARIMA模型和BP神经网络对百度、阿里巴巴两支股票的收盘价进行建模与预测,并对比了两模型的预测精度,结果表明两种预测模型都达到比较理想的预测精度和短期预测可行的效果.     

BP神经网络在期货价格预测中的应用

影响期货价格短期走势的因素纷繁复杂,具有一定的非线性和随机性,因而难于预测.鉴于神经网络强大的非线性映射能力,利用改进的BP网络,对较难解决的期货价格预测问题进行了研究,提出了一种预测期货价格的方法,并以期货铝的价格为例验证了此方法的有效性.     

关于ARMA-BP神经网络组合模型的财政收入预测

本文研究了ARMA-BP神经网络组合模型预测的问题.利用最大最小贴近度评价方法,获得了ARMA-BP神经网络组合模型对应的贴近度差值大于单一模型的结果,推广了组合模型比单一模型预测精度更优的结果.     

基于GA-BP的模糊神经网络控制器与Elman辨识器的系统设计

提出了一种基于神经网络的模糊控制系统 ,该系统由模糊神经网络控制器和模型辨识网络组成 .文中介绍了模糊神经网络控制器采用遗传算法离线优化与 BP算法在线调整 ,给出了具体控制算法 ,推导了变形 Elmam网络的系统辨识算法 .仿真结果表明了此法的可行性和有效性 .     

基于BP神经网络模型与DEA模型的中国上市公司利润操纵研究

本文从CCER数据库中的上市公司违法违规数据库取得2006-2009年利润操纵上市公司样本,根据上市公司关键财务数据,构建配对样品组。文章运用粗糙集简化利润操纵的识别指标,通过蒙特卡洛模拟,提出基于BP神经网络模型的中国上市公司利润操纵的识别模型。本研究还引入DEA效率指标,建立改进的中国上市公司利润操纵识别模型,有效降低模型的第二类错误,从而将模型的正判率从71.43%提高到85.71%。     

基于加强型BP算法的神经网络故障诊断研究

文章给出了利用神经网络进行故障诊断的可行性、基本原理、诊断过程分析、和参数优化过程 ,并得出较为理想的诊断结果 .     

多层神经网络的一个快速算法

本文对文[4]提出的前馈式多层神经网络的单参数动态搜索（SPDS）算法进行了深入的分析，给出了实现快速一维搜索的两个方案，从而实现了多层神经网络更为快速的学习训练．     

BP网络的一种改进学习方法

章分析了传统BP学习方法的缺陷，给出了一种改进的学习方法，并用非线性函数tg△x和(e^△x-1)代替传统的线性函数△x进行网络学习和参数调整．仿真表明，该算法能有效克服网络陷入局部极小的困境，并大大提高收敛速度．     

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BP神经网络的航空公司机队可靠性评价模型

机队作为航空公司运输能力的关键,其安全性与可靠性直接影响到航空公司的经济效益.根据航空公司机队可靠性统计和数据采集方式以及实际应用情况,建立了航空公司机队可靠性评价指标体系.鉴于机队可靠性受多种复杂因素影响及各指标体系非线性等特点,结合人工神经网络基本原理和特性,提出了BP神经网络机队可靠性评价模型.最后应用该模型对航空公司机队可靠性进行了实例分析,得出了评价等级.结果表明,基于BP神经网络机队可靠性评价模型是可行的,该方法能够实现动态的评价,对提高航空公司机队可靠性评价技术水平具有现实的意义.     

基于高斯混合和BP神经网络的卵巢癌质谱数据三分类模型

癌症的早期诊断可以显著提高癌症患者的存活率,三分类问题就是将未知样本与已知样本进行匹配度检测,预测样本是健康状态,良性发展状态,还是癌症状态.针对复杂难分的卵巢癌蛋白质质谱数据,提出了一种基于高斯混合模型和BP神经网络的三分类预测模型.首先,去除原数据中的冗余,对其进行方差排序及交集筛选提取特征集合一,再利用高斯混合模型处理求得参数作为特征集合二,最后使用BP神经网络进行样本三分类,准确率达到72.9%.结果表明:模型可以作为卵巢癌质谱数据三分类的可选择工具.     

阿尔茨海默病诊断的自适应BP神经网络模型

阿尔茨海默病(AD)和轻度认知功能损伤(MCI)具有患者多、诊断难的特点,改进BP神经网络,提出自适应BP神经网络(ABP)进行100次AD和MCI诊断模拟,ABP神经网络的诊断正确率显著高于BP和RBF神经网络.采用留一法将101例正常人、200例MCI和90例AD患者的样本分为训练集和检测集,用ABP神经网络对其进行诊断模拟,总正确率达到73.91%.     

BP人工神经网络模型的新改进及其应用

针对 BP网络存在的缺点 ,有多种改进方法 .从算法和网络结构设计方面进行了综合改进 .将新改进的 BP网络用于成都市消费预测 ,取得令人满意的效果     

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.