基于动量项前馈神经网络盲均衡算法

针对基于前馈神经网络的盲均衡算法中，BP优化算法具有收敛速度慢、易陷入局部极小的缺点，提出了一种新的盲均衡算法，该算法结合动量项前馈神经网络与传统恒模盲均衡算法的优点，将以前权值的调节量用于当前权值的修改过程，降低了算法对于误差曲面局部极值点的敏感性。仿真结果表明，该算法可有效抑制网络陷入局部极小，防止振荡，加快盲均衡器的收敛速度。     

污水处理过程的模糊参数自校正控制器设计

针对城市污水生物处理过程存在的本质的非线性特性,采用了基于神经网络的模糊自校正方法的控制策略,同时为了提高控制的精度,比较了各种不同的隶属度函数对控制误差的影响。仿真实验结果表明,通过本方法设计的控制器可以获得满意的控制效果。     

广义射影神经网络的指数稳定性

研究了一类广义射影神经网络,分析了它的稳定性和收敛性.当映射和非对称时,分别定义了恰当的能量函数,在适当的条件下证明了该网络的全局收敛性和指数稳定性.与已有结果相比,文中的稳定性条件并不需要映射的可微性及映射和的对称性.理论分析和数值实例表明所得结果适用于非单调问题,而且给定的条件易于验证.由于该网络可求解一大类优化和平衡问题,因此文中结论具有一定的理论价值和实际意义.     

带有Poisson跳的股票价格模型的欧式双向期权定价

假定股票价格过程为遵循带非时齐Poisson跳跃的扩散过程,在股票预期收益率、波动率和无风险利率均为时间函数的条件下,利用公平保费原则和价格过程的实际概率测度的保险精算定价方法,得到了有红利支付的欧式双向期权的定价公式.     

基于小波分析和RBF神经网络的铜价预测

提出一种非线性时间序列预测方法,即把小波分析结合RBF神经网络预测方法对非线性时间序列进行预测。对铜价的预测结果表明,该方法比单纯的小波预测或单纯的RBF网络预测精度高,可以很好的应用于某些非线性时间序列的预测中。     

基于改进GA的WRBF神经网络设计与应用

针对单独自动设计径向基函数(RBF)网络和小波网络过程中对样本要求过于严格,以及输出层线性求和运算可能造成样本类别交叠的问题,结合两种网络结构简单的优点,设计了一种新的四层前馈神经网络--小波径向基网络(Wavelet radial basis network,WRBF).该网络在结构上,第一隐层对输入样本进行小波映射,实现对输入空间的压缩;第二隐层对第一隐层输出进行第二次非线性映射;在网络的训练方法上,利用多阶染色体混合编码实现两隐层间的选择性连接,并对遗传算法(Genetic algorithm,GA)进行改进,利用改进的GA同时优化网络结构和参数.通过对多输入单输出系统和热能表系数模型进行实验,结果表明:改进的GA减小了早熟收敛的发生,所设计的网络具有较高的建模精度.     

多类目标样片BRDF三维统计建模及优化

在Torrence-Sparrow模型的基础上,修正和简化了五参数模型,对多类目标样片双站多角度双向反射分布函数(BRDF)测量数据进行了拟合,在二维情况下与五参数模型进行了比较,两者均与实验数据吻合,表明了五参数模型良好的适应性,能够对不同粗糙度,不同光学特性的材料进行拟合.优化过程采用遗传算法与退火算法相结合,具有把握全局和较快收敛速度的特点,对于问题的解决起到了关键作用.五参数模型是三维空间模型,通过对某些样片的多组多角度双站三维实验数据进行的拟合充分利用了三维空间信息,建立了BRDF空间分布图,进而获得粗糙表面的更多光散射信息.     

一维Theta神经网络微分方程模型的研究——多放电行波解的存在性

研究一维theta神经元网络的微分方程模型,对该网络模型从神经元生理运动特点和微分方程本身入手进行讨论.对模型中的输入形式加以简化,证明了对任意的传播速度c＞0,存在一个对应的耦合强度参数,使网络具有多放电行波解.     

ART2神经网络聚类的改进研究

为进行快速动态层次聚类,通过分析自适应谐振理论(adaptive resonance theory,ART)神经网络的快速学习、主观设置警戒参数、输出无层次结构等优缺点以及自组织特征映射(self-organizing feature map,SOFM)神经网络的侧反馈、不能动态聚类、输出无层次结构等优缺点的基础上,借鉴Hebb规则的思想,针对ART2神经网络的聚类算法进行了改进研究.通过结构描述、算法分析,该算法融合了ART2和SOFM的优点,克服其不足之处,以快速学习的方式形成可带有多层层次的动态聚类结构(不同的层次代表不同粒度的聚类),此外还降低了对警戒参数主观设置的要求,对于较粗粒度的聚类不再需要重新训练神经网络.并通过仿真实验证明该算法的有效性.     

基于菌群RBF神经网络的股票价格预测

利用菌群算法提出了一种新的菌群RBF神经网络算法，并将其应用到股票价格预测，同时在预测中引入了技术指标模型。仿真试验表明，相比于传统的RBF神经网络算法，菌群RBF神经网络算法可以得到更好的训练效率和预测结果。