排序方式: 共有5条查询结果,搜索用时 15 毫秒
1
1.
本文对香港恒生指数期货(HSI)的时间序列进行了分析和预测。我们发现该时间序列具有分数组和正的Lyapunov指数,这表明该序列是由内在的混沌确定力产生的。在对该序列进行动力学重构和可测性分析的基础上,我们用混沌算法的前馈神经网络对它进行了在线预测。计算机模拟表明混沌算法神经网络的预测噗蒿于背传算法神经网络的预测精度。 相似文献
2.
暂态混沌动力学在神经网络优化计算中的应用 总被引:5,自引:0,他引:5
通过在神经网络状态空间演化方程中引入一个非线性反馈项,使神经网络系统的动力学表现出混沌特性。为将混沌动力学作为搜索机制应用于优化问题,又引入一个调节机制构成了暂态混沌神经网络模型。本文着重分析了暂态混沌神经网络动力学行为,并将其应用旅行推销员问题。实现了全局优化且有较快的收敛速度。 相似文献
3.
把蒙特卡洛方法用于重正化群变换过程,即所谓蒙特卡洛重正化群方法.这种方法与重正化群方法相比具有很多优点,所以引起了不少科学家的兴趣.《蒙特卡洛重正化群方法》一文介绍了此种方法及其特点.可以预期,随着大型电子计算机的广泛应用,它一定会在更多的物理问题中得到应用. 相似文献
4.
一、引言 自1976年以来逐步完善的蒙特卡洛重整化群(简记为MCRG)方法为研究分立体系的连续极限及临界行为提供了重要手段,因而被广泛用于研究统计模型的固定点及临界指数,和讨论格点规范理论中各种规范场的相变、连续极限、β函数及标度行为。 相似文献
5.
本文在人工神经的学习中选用适当的评价函数实现了将零温度的蒙特卡洛算法向非零温情况的推广,得到了优于零温的结果,但是仍未克服其学习结果依赖于初值的缺点。在分析其能量特点的基础上,本文提供了非零温的蒙特卡洛迂回学习算法,它能够成功地摆脱初值的影响,获得高存储容量的神经网络,此结论已经为仿真研究的结果所证实。 相似文献
1