径向基神经网络在股市预测中的应用

本文从非线性时间序列预测的角度出发,将径向基（ＲＢＦ）神经网络应用于股票预测,取得了较好的预测效果     

基于径向基神经网络的专利申请数量预测研究

利用径向基神经网络,对国内外近年来专利申请数量进行了预测。预测结果同用时间序列ARMA模型预测的结果进行了比较。预测结果表明：良好训练的径向基神经网络的输出数据能与实际专利申请数较好地吻合,而且比ARMA预测方法更为有效,可作为专利预测的一种新手段。     

用神经网络进行边坡稳定性预测

人工神经网络是模拟人脑结构的思维功能，其目的都是模仿人脑的智能活动，提高计算机的智能水平，它们已在众多领域得到广泛应用。利用matlab神经网络工具箱进行边坡稳定性预测，并且得到了很好的结果，     

用神经网络进行边坡稳定性预测

人工神经网络是模拟人脑结构的思维功能,其目的都是模仿人脑的智能活动,提高计算机的智能水平,它们已在众多领域得到广泛应用。利用matlab神经网络工具箱进行边坡稳定性预测,并且得到了很好的结果。     

基于RBF神经网络的物流业能源需求预测

随着中国经济的快速发展,物流业需求快速增长,规模不断扩大,也带来了能源消耗的增长.研究中国物流业能源消费水平以及能源需求,有利于物流业节能工作的开展,缓解能源压力.本文选取了影响物流业能源需求的11个主要因素,基于径向基神经网络对2001-2012年间中国物流业能源需求相关数据进行模拟与仿真,在此基础上对2016年和2020年物流业能源需求量进行了预测,并分析了11个影响因素的重要性和测算了物流业的能源效率.研究结果表明:①2001-2012年间中国物流业能源消耗总量在不断增加,随着物流业的进一步发展,到2020年物流业能源消费总量将达到51261.92万t标准煤;②在解决物流业能源需求预测问题时,RBF神经网络比GM(1,1)预测模型,BP神经网络方法有更高的预测精度;③通过RBF神经网络变量重要性分析发现固定资产投资对物流业能源消费量的影响程度最大;④目前物流业能源效率明显低于全国能源效率,为节约能源,提高能源利用效率,物流业需要转变能源利用方式和发展模式.     

运用DEA方法进行多指标决策

本文运用ＤＥＡ方法进行只有输出指标的多指标决策,给出了多指标决策评价的ＤＥＡ模型与方法,探讨了多指标决策评价的ＤＥＡ有效投影,最后给出了评价实例。     

神经网络与预测方法研究

1 引言在科学技术和社会高速发展的今天,愈来愈多的问题,具有系统的复杂性、时变性和模糊性的特点,这就使得利用传统的预测方法解决这类问题十分困难。1987年,Lapedes和Farber首先应用神经网络进行预测,开创了神经网络预测方法的历史。目前,在范围广泛的商贸信息交流中,神经网络技术可以解决用传统方法不能解决的问题。例如Varfis和Versino运用神经网络解决经济时间序列预测问题,White利用神经网络进行IBM公司每日库存占用资金率的预测,都得到了很好的效果,节约了大量的资金。人们     

用DEA研究狭义技术进步率的探讨

本文给出了对有多输出的生产函数用ＤＥＡ测定狭义技术进步率的方法。在测定时所遇到的线性规划总有最优解。     

预测方法中的神经网络模型

本文概况地介绍了目前人工神经元网络模型在预测领域内的应用及理论,并对一些有代表性的理论方法进行了简单的介绍,指出了其优点和存在的问题,并对人工神经元网络在预测领域内今后的发展做了进一步的讨论     

神经网络驱动性模糊预测方法

本文在总结比较神经网络预测、模糊预测两种方法的基础上，将两种方法结合起来，取长补短，给出了一种以神经网络为工具，以近似推理为理论基础的建模方法，为解决非线性系统的预测问题提供了新的思路     

中国装备制造业竞争力评价——基于动态DEA与灰关联度方法

在已有的动态DEA的研究基础上考虑到各决策单元内部的差异性,结合灰色关联度测权重的方法,推演出包含多个并联决策单元的复杂系统的灰色动态DEA模型。利用该模型对中国不同经济区域、不同类型的装备制造业进行度量,"十二五"期间,所有的灰色动态DEA有效指数都大于0,意味着我国的装备制造业效率没有达到最优;在所有类型的装备制造业中,东部地区的效率值要低于其他经济区域;科技含量高的行业效率比较高。     

有关DEA有效性用于预测的探讨

有关ＤＥＡ有效性用于预测的探讨吴文江（武汉工业大学北京研究生部１０００２４）１引言对有多输入与多输出的问题，文献［１］提出了一种用数据包络分析（ＤＥＡ）进行预测的方法，本文提供了用ＤＥＡ有效性（Ｃ２ＧＩ２）进行预测的另一种较简单的方法。在单输入与单输...     

小波神经网络预测软土路基沉降研究

利用小波神经网络在非线性建模中收敛迅速等优越性,提出预测高速公路软土地基最终沉降量的方法。其要点是:将前期沉降观测值作为样本,通过对小波神经网络结构的训练寻求沉降及其主要影响因素的内在关系,据以预测后期沉降量。     

三种RBF神经网络比较分析

径向基函数（RBF）神经网络广泛应用于模式识别、非线性函数逼近等领域。通过对聚类、梯度、正交最小二乘三种RBF神经网络进行正弦函数逼近的仿真实验,从中比较分析这三种RBF神经网络。得到的对比分析结果表明：正交最小二乘的方式所需的训练时间最短,网络收敛速度最快,并且不需要预先定义隐层节点数。     

基于神经网络的多维时间序列预测预报方法

1 引言时间序列就是一列随时间变化的数,它是对客观事物的一种描述,属于时域分析的范畴。我们研究时间序列的目的,就是要对时间序列建立一个参数模型,用于描述事物发展的变化规律。定义1:时间序列{x(t)}是一个t∈Z的实值向量随机变量,其中Z表示整数集。在定义1中,如果x(t)∈R~1,那么{x(t)}就是一维时间序列,所建立的模型称为一维时间序列模型;如果x(t)∈R~(?),那么{x(t)}就是r维时间序列,所建立的模型称为r维时间序列模型。 Box和Jenknis首先成功地建立了一维时间序列模型。近年来Tong也在这方面做了许多很有影响的工作。通过许多人的努力,使得一维时间序列模型,如ARMA模型等都能较好地应用于实际预测工作。一个一维序列{x(t)}的(p,q)阶ARMA模型     

神经网络方法在蛋白质结构预测中的研究与应用

蛋白质结构预测在生物信息学研究中占有重要地位。对神经网络在蛋白质结构预测中的应用作了评述。首先,简要地介绍了人工神经网络,然后对近年来用神经网络算法解决蛋白质结构预测的研究作了回顾,并分析了算法的效果和特点。最后,展望了用神经网络算法解决蛋白质结构预测问题的前景。     

前向神经网络改进预测方法及其在滑坡稳定性预测中的应用

本文提出一种改进了的前向神经网络预测方法，引入了衰减因子，以体现对前期效应的弱化，从而提高当前预测的精确度；在权值调整过程中，采用指数型能量函数，以改善学习收敛过程。最后将该方法应用于新滩滑坡的稳定性预测，取得了满意的结果     

基于径向基函数网络的改进算法的股市数据预测

径向基函数网络的性能在很大程度上取决于径基函数中心位置的选取。本文通过结合输入输出矢量从而得到扩展矢量的方式改进了常用的确定径基函数中心的HCM算法。股市数据预测的实验结果表明：改进的HCM算法的网络的性能有了明显的改善。     

神经网络用于一类曲线预测

1 引言近年来,神经网络(Neural Networks)的研究在国际上受到了极大关注。由于它以分布式存贮和并行协同处理为特色,不仅对人工智能的研究者产生了极大吸引力,而且由于其可学习性也使系统工程的研究者产生了极大兴趣。神经网络的作用函数通常是非线性函数,当众多的神经元形成一个网络并动态运行时就构成了一个复杂的非线性动力系统,它可表示极其复杂的非线性模型系统。在国际上神经网     

神经网络：预测的突破,还是时髦

大约20年以前,我记得曾经有人对我说过博克斯—詹金斯方法(当时还处于它的发展初期)对于大多数预测者的需要来说是一个很好的响应.它似乎包含了当时预测者可能使用的方法的很多特殊情形,包括各种形式的指数平滑方法.在许多方面,时间已经证实了这种说法,以致博克斯—詹金斯方法今天还可以被看到。它不是一种灵丹妙药