基于改进神经网络模型的股指预测实证研究

针对BP神经网络容易陷入局部最小值以及网络收敛速率缓慢等问题,利用遗传算法优化网络权值和阈值,根据网络输出总误差变化对学习率进行动态调整,并运用改进的BP神经网络模型对上证指数进行预测分析.实证研究表明,改进的BP神经网络预测模型能够加快算法收敛速率,有效地提高预测精度.     

基于遗传神经网络的时序数据预测

针对机场短时局地天气预报这一特定的时序数据预测问题,提出用遗传算法同时优化神经网络的连接权值、阈值和网络结构,建立了基于遗传神经网络的天气预报模型,并利用某气象站的实际观测数据进行了实验。仿真结果表明,相对于单独使用BP神经网络,运用该方法可以有效提高预测精度。     

基于径向基神经网络PID控制的交流伺服系统

将神经网络和PID控制相结合,提出了一种神经网络整定的PID控制策略,并将其应用于交流伺服系统的控制.利用一个两层神经网络在线自适应调整PID控制器的参数;从而使系统的静态和动态性能指标较为理想.径向基函数神经网络用来辨识交流伺服系统的Jacobian信息,用正交最小二乘算法得到径向基函数神经网络的结构;然后用BP算法对该网络的权值进行训练使它逼近给定的函数.实验结果表明,这种系统具有响应速度快、稳态精度高和鲁棒性强等特点.     

基于振动传递的结构连接部非线性识别与表征（英文）

为了研究结构连接部的非线性振动特性,利用螺栓连接质量系统进行实验平台搭建,进行了动力学特性分析和响应预测,并讨论了非线性动力学参数识别问题.首先,通过不同的基础激励完成系统的正弦扫频实验及模态测试,以研究集中质量的刚体运动.然后,基于谐波平衡法原理,利用不同基础激励下的振动测试结果,对不同激励力下的连接部非线性进行识别.试验研究结果表明,连接部的非线性刚度和阻尼力可以通过多项式的形式表达和逼近.识别的非线性刚度和阻尼力可对螺栓结合面的振动响应进行预测,并可在一定范围内反映由于连接部接触引起的振动非线性,以及峰值频率偏移和阻尼硬化的现象.     

基于混沌时间序列的模糊神经网络预测研究

为研究混沌时间序列预测问题,提出了一种结合模糊神经网络的预测方法,对输入数据进行模糊规则提取,再经过优化得到最佳模糊规则库。通过神经网络的自适应学习能力调整隶属函数参数及网络权值等信息,对相关混沌时间序列进行预测。对Mackey-Glass系统及Lorenz系统进行仿真实验,结果证明了该系统的有效性。     

基于IPSO和BPNN的网络安全态势预测

网络安全状态数据具有数据量大、特征数目繁多以及连续型属性多等特点.态势预测问题可转化为海量数据的预测问题.以网络安全态势研究为应用背景,提出了一种基于改进的粒子群优化算法来优化反向传播神经网络的态势预测模型.利用IPSO内在的隐并行性和很好的全局寻优能力对BP网络的权值和阈值进行优化并建立预测模型对网络安全态势进行预测.仿真实验证明其改善了传统BP网络在预测应用中的不足,有效提高了态势预测的精准度.     

基于Hopfield网络的复杂网络社团提取

针对复杂网络中的社团提取问题,提出了一种基于离散Hopfield神经网络的社团结构提取算法,该算法的思想为:首先,对复杂网络数据的进行处理;其次,结合社团提取准则模块度函数Q的形式设计Hopfield神经网络的权值向量W和阈值T;最后,根据网络稳定点的输出值提取出网络中的社团结构.仿真实验表明,本文中的Hopfield神经网络算法比谱分算法得出的Q值更优,对网络的划分更接近实际网络.针对复杂网络中的社团提取问题,提出了一种基于离散Hopfield神经网络的社团结构提取算法,该算法的思想为:首先,对复杂网络数据的进行处理;其次,结合社团提取准则模块度函数Q的形式设计Hopfield神经网络的权值向量W和阈值T;最后,根据网络稳定点的输出值提取出网络中的社团结构.仿真实验表明,文中的离散Hopfield神经网络算法比谱分算法得出的Q值更优,对网络的划分更接近实际网络     

基于AR-ANN模型的指数预测及脉冲响应函数预警

融合时间序列与神经网络算法,得到AR-ANN模型。结合多维时间序列在捕捉线性关系的优势,以及神经网络在预测非线性关系的优势,AR-ANN模型对上证指数有较好的预测效果。另建立结构向量自回归模型(SVAR),反应了指数受其他经济内生变量的一个随机冲击后的变化状况,通过脉冲响应函数对预测做出预警。     

关于BP神经网络的几点研究

以结构为 3- 5 - 2的网络为例 ,对BP神经网络的稳定性、权值的收敛趋势、样本识别率和网络总误差对权值的影响等做了研究 ,结果表明系统总误差的减小会促使网络权值将向最优方向调整 ,但这种调整有一定极限 .     

思维进化算法在BP神经网络拟合非线性函数中的应用研究

直接使用BP神经网络拟合非线性函数,具有预测精度差、收敛速度慢等缺点.该文提出利用极强全局搜索能力的思维进化算法来优化BP神经网络.首先根据BP神经网络拓扑结构构建思维进化算法模型,然后用思维进化算法得到的最优解作为BP神经网络的初始权值和阈值,最后利用MATLAB软件对多个非线性函数进行拟合仿真实验,比较思维进化算法优化BP神经网络和单纯使用BP神经网络的预测结果 .数据表明,优化后的BP神经网络具有更高的拟合精度和更短的网络训练时间.