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.     

基于BP神经网络的企业未来获利能力智能综合评价

分析了相关分析——多指标综合评价法在确定企业未来获利能力方面的优点和不足 ;并在其基础上提出了基于 BP神经网络的多指标综合评价法 ;仿真试验证明了基于 BP神经网络的多指标综合评价法的有效性     

电路板故障诊断中神经网络信息融合技术的应用

将信息融合技术应用到导弹电子设备的电路板故障诊断之中．提出了一种基于红外热成像实验的温度故障隶属度函数构造形式以及改进的BP神经网络算法。进行了BP神经网络信息融合故障诊断的实验研究．从结果看信息融合能较好地解决电路板元件故障诊断的不确定性问题。     

电力市场中合同电量与竞争电量交易比例的研究

在单边开放的区域电力市场中,合理的合同电量与竞争电量交易比例是保证电力市场有效运行的一个重要环节。竞争电量所占的比例将主要取决于当前发电公司的市场行为。首先使用BP神经网络对电力需求弹性系数进行了预测,然后以长期电力市场均衡为目标函数,考虑贵州电网发电机组的可用容量与负荷预测的误差,以及贵州输电线路的可靠性诸因素,推导出合同电量与竞争电量交易比例,经过与南方区域电力市场目前运营规则规定的交易比例比较,该比例是合理的,可以规避电力市场价格波动等带来的风险。     

一个基于相关存储的模式识别方法

应用相关的存储技术实现模式识别可缩减存储大小,但由此带来的饱和问题严重影响系统正常工作,为解决此问题,本文在分析现有系统的基础上给出了基于一系列逻辑操作的识别技术.该技术的实质是用一形式化的方法增加输入模式间的线性无关性.通过论证与实例验证,该方法是有效而实用的.     

手势语言识别的神经网络方法

提供了一种用于人机交互（HCI）的手势语言可视化识别方法。该方法包括用于几种控制命令的手势的探测、分割、特征提取及识别，第一步的处理都用到了神经网络方法，像肤色探测、主元分析（PCA）以及在编码识别。实验结果显示正确识别率高达94％。     

神经网络在工程爆破应力波规律探讨中的应用

采用BP（Back Propagation)前馈人工神经网络模型，对工程爆破中柱状震源的自由场应力波传播规律进行了探讨。结果表明：利用人神经网络模型的非线性映射功能，可以较好地给出工程爆破引起的近区自由场力学规律，对于同类型问题的研究，也有着很重要的意义。     

基于模糊神经网络的自适应PID控制器

提出了一种应用于自适应PID控制器的神经网络与模糊控制相结合的算法,该算法可以有效地解决普通PID控制器依赖于对象的数学模型的缺点,可实现控制系统的在线自适应调整,可满足实时控制的要求。仿真结果表明,基于模糊神经网络整定的PID控制器具有较好的自学习和自适应性,具有较快的响应速度。