一种改进的基于指数平滑神经网络模型的时间序列预测方法

基于指数平滑模型与误差反传神经网络法提出了一个改进的时间序列预测方法.将神经网络模型移植入指数加权滑动平均模型中,充分考虑了时间序列的部分线性性和非线性性对预测结果的影响,是传统的混合模型的一个更合理的改进.最后通过对上证指数时间序列的实证分析,以预测均方误差为检验标准,对五种常用的时间序列预测模型进行了预测精度的比较,而且经验证所提出的改进的时间序列预测模型相对来说具有更小的预测均方误差.     

基于BP神经网络的时间序列预测问题研究

分析指出了基于标准BP神经网络的时间序列预测问题存在的不足.根据基于BP神经网络的时间序列预测问题的特点,研究给出了一种以y=x作为传递函数的时间序列预测方法,经实例验证表明,给出的以y=x作为传递函数的时间序列预测方法较基于标准BP神经网络的时间序列预测方法具有较好的结果.     

一种求线性预测系数的神经网络方法

本文把神经网络中的Hebbian规则用于线性预测的分析中，得到了一种求解线性预测系数（LPC）的随机近似算法，并完成了对这种算法的严格证明。     

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.     

神经网络在复杂自相关预测过程中的应用及对比研究

由于PM_(2.5)日均浓度值受外界多重复杂因素的影响,其较强的自相关性使得时间序列模型ARIMA构建难以实现,因此,给出高映射能力的非线性神经网络预测模型,并分别建立基于BP神经网络和GRNN神经网络的预测模型,进行PM_(2.5)浓度预测实验.结果表明,BP神经网络回检过程和检测过程存在不稳定性,预测残差波动较大,而GRNN神经网络检测残差呈完全U型,回检过程和检测过程较稳定,并且GRNN神经网络回检数据拟合度、预测数据精度和运算速度均优于BP神经网络,建模过程更为方便,易于实际应用.     

基于RBM的神经网络时间序列预测

为了克服神经网络依赖初始化结果,泛化能力不强的缺点,提出一种基于受限玻尔兹曼机(RBM)的神经网络模型.利用无监督学习方法优化神经网络的初始权值和阈值,将RBM与神经网络融合起来,模型与时间序列神经网络做实验对比,结果表明,基于受限的玻尔兹曼机的神经网络模型优于神经网络预测模型,模型可以提高预测的精准度,具有一定的应用意义.     

BP神经网络在铁路客运市场时间序列预测中的应用

铁路客运市场受多个因素的影响，而且这些作用多是非线性的。时间序列预测实质上是实现一个非线性映射。由于具有任意个隐层节点的前馈神经网络可以以任意精度逼近一个连续函数，因此，目前得到普遍应用的是采用BP算法的多层前馈神经网络。本探讨用人工神经网络的反向传播(BP)算法研究铁路客运市场的时间序列预测。数值计算结果表明该方法预测精度较高，方法简单易行，为铁路客运市场预测研究提供了新的途径。     

一种预测轨检车TQI值的等维递补方法

构建灰色模型和ARMA模型的组合模型,并在此基础上构建等维递补模型预测轨检车TQI数据,根据预测数据与实际数据的误差实时调整预测模型.将该模型应用到轨检车TQI数值的预测上,可以分析和预测轨道状态变化趋势,为轨道维修计划的科学制定提供辅助决策.     

飞行事故的一种自适应模糊神经网络预测方法研究

飞行事故预测对于预防飞行事故具有十分重要的意义.首先系统分析了空军飞行事故的主要影响因素,对其中的定性因素进行了量化;然后利用系统分析的成果和历史统计数据建立了空军飞行事故的自适应模糊神经网络预测模型.整个预测过程突破了纯数学模型预测的局限性,实现了预测的定性和定量的结合;由于预测中使用了一种基于高木.关野模糊模型的自适应模糊神经网络,从而使预测模型具有很强的自适应能力,预测结果也比较令人满意.     

以混沌理论为基础的神经网络预测方法

我国证券市场股价波动表现出特有的混沌性质，具有局部随机与整体秩序相容的特征。本以2002年每隔十秒的上证指数高频数据为例，以混沌理论为基础。从原始序列中构造出若干个新的时间序列，运用神经网络法进行预测。预测结果表明，此方法能够较好地预测股票的走势，有望在股票交易中应用。     

模糊规划的Hopfield网络方法

首先将一类模糊规划转化为无约束多目标规划，再依据决策者偏好并采用Hopfield网络方法构造该多目标规划的评价函数，从而将模糊规划转化为无约束单目标规划来求解．     

一类具时滞的神经网络模型的Hopf分支

本文研究了一类由两个神经元构成的具时滞的神经网络模型的动力学性质,即利用指数多项式的D-划分法讨论了平衡点的稳定性和局部Hopf分支的存在性,然后利用规范型和中心流形理论给出了分支性质的计算公式,又用度理论研究了周期解的全局存在性.     

一类时滞神经网络差分系统周期解的吸引性

考虑一类 Mc Culloch- Pitts型信号函数的时滞神经网络差分系统周期解的吸引性 ,所得结果改进了文献 [6 ]相关结论。     

一类激励-抑制型时滞神经网络模型解的收敛性

本文考虑一类激励-抑制型时滞神经网络模型解的收敛性.利用分析的方法并结合平面系统的几何特性,得出初值φ=(ψ,Ψ)∈R2,在响应区间[a,b]的端点a和b处不振动时,解(z(t),y(t))→(0,0)(t→+∞).     

连续型BAM神经网络的指数稳定性

首先将连续型双向联想记忆神经网络转化成一个特殊的Hopfield网络模型.在此基础上,对连续BAM神经网络的指数稳定性进行了新的分析,证明了神经网络连接权矩阵在给定的约束条件下有唯一平衡点.所做的分析可以用于设计全局指数稳定的神经网络.     

基于粗糙集与层次分析法的组合预测方法

本文在改进的属性约简启发式算法 ,即应用加权平均的属性重要度对属性进行约简的基础上 ,将粗糙集理论和层次分析相结合 ,给出了一种全新的组合预测方法 .     

一类神经网络模型的稳定性

本文将一种求解凸规划问题的神经网络模型推广到求解一般的非凸非线性规划问题．理论分析表明;在适当的条件下,本文提出的求解非凸非线性规划问题的神经网络模型的平衡点是渐近稳定的,对应于非线性规划问题的局部最优解     

一类随机时延网络控制系统的神经网络自适应容错控制

针对一类随机时延网络控制系统,提出一种基于RBF神经网络自适应动态补偿的容错控制策略.该方法通过在线估计时延将系统建模为随机切换系统,并在模型参考自适应方法的基础上设计RBF神经网络动态补偿容错控制器,利用Lyapunov稳定性理论给出神经网络补偿器的在线权值学习算法,以保证网络控制系统在故障情况下的跟踪性能和状态一致最终有界稳定.最后通过仿真验证了该方法的有效性.     

网络计划更新调整的时差传递法

网络计划面对变化后的新情况，如何充分利用原图．简单易行地更新调整，这一直是难题。本文提出时差传递法，为解决这一难题给出了新思路．这种方法利用网络图的结构特征，把更新调整内容归类整理后，计算传递时差，再根据时差特征定义传递通道、决定传递方式，用时差传递方法，简单易行地更新调整网络计划．