排序方式: 共有6条查询结果,搜索用时 15 毫秒
1
1.
2.
3.
汪灵枝 《广西右江民族师专学报》2010,(6):71-76
利用量子粒子群改进神经网络集成个体的网络结构和连接权值,利用主成分分析法提高集成个体差异度,形成一组优良的神经网络集成个体,利用支持向量机回归集成生成输出结论,求出非线性时序函数的全局最优解,随即建立一个基于量子粒子群的神经网络集成股市预测模型。试验表明,该模型能有效提高神经网络集成系统的泛化能力,预测精度高,稳定性好。 相似文献
4.
5.
汪灵枝 《玉林师范学院学报》2010,31(5):38-42
利用遗传算法改进神经网络集成个体的连接结构和初始连接权值,利用主成分分析法提高集成个体差异度,形成一组优良的神经网络集成个体,利用非参数回归生成集成结论,求出非线性时序函数的全局最优解,随即建立新型的基于非参数回归的遗传神经网络集成股市预测模型.仿真结果表明,该模型预测精度高,可操作性强,具有一定实用性. 相似文献
6.
将模拟退火算法和遗传算法、粒子群优化算法分别进行结合,形成模拟退火-遗传算法以及模拟退火-粒子群优化算法,并作性能对比分析。研究结果表明,这两种算法都在进化代数和全局寻优能力方面有较大突破,在找寻最佳个体解的效率士,模拟退火-粒子群优化算法更突出。 相似文献
1