基于神经网络的上证指数预测模型

神经网络依据数据本身的内在联系建模,具有良好的自组织、自适应性,有很强的学习能力、抗干扰能力。它能自动从历史数据中提取有关经济活动中的知识,可以克服传统定量预测方法的许多局限以及面临的困难,同时也能避免许多人为因素的影响。本文基于人工神经网络原理,研究了宏观经济影响下上海股市,用2005年6月到2008年11月的月度沪市上证指数作为训练数据预测08年11月份以后三个月的上证指数,并与实际数值进行了对比。最后分析了神经网络应用于股市预测的时效性。     

用于曲面集成成像的微透镜数值孔径优化

针对目前集成成像3D显示系统存在视场角范围小以及重构图像分辨率低的问题,设计一种适用于曲面集成成像3D显示且具有不同数值孔径的柔性微透镜阵列结构,并成功搭建基于曲面屏的集成成像3D显示系统。采用Trace Pro光学仿真软件建立曲面集成成像3D显示系统模型,研究微透镜的数值孔径对曲面集成成像3D显示系统重构性能的影响规律。结果表明：当微透镜尺寸和厚度一定时,数值孔径越大,重构图像的质量越好,且视场角越大;当柔性微透镜阵列的数值孔径为0.376时,重构图像具有较高的分辨率,当视场角达到60°时,重构图像依然清晰。为了验证仿真,制备具有不同数值孔径的柔性微透镜阵列并搭建曲面集成成像系统样机,得到的实验结果与仿真结果基本一致。