A Metaheuristic Approach to Optimize European Call Function with Boundary Conditions

The purpose of this paper is to investigate the pricing European call option valuation problems under the exercise price,maturity,risk-free interest rate,and the volatility function. An advance methodology,Chebyshev simulated annealing neural network(Ch SANN),is enforced for the Black-Scholes(B-S) model with boundary conditions. Our scheme is stable and easy to implement on B-S equation,for arbitrary volatility and arbitrary interest rate values. Also,the comparative results demonstrate that the attained approximate solutions are converging towards the exact solution. The graphical results show that the increasing flow of the European call option as the exponential increase takes place in assets. The presented algorithm can be further applied to other financial models with certain boundary conditions. The algorithm of the method shows that the approach can also be easily employed on time-fractional B-S equation.     

基于深度学习算法的行为期权定价

针对一类考虑了投资者微观结构随机变迁、投资者行为存在羊群效应以及非理性情绪的高维行为资产价格模型,推导出行为期权定价偏微分方程,构建了基于深度学习算法的行为期权定价方法:首先,基于费曼卡兹公式推导出行为期权价格的迭代方程;然后,用神经网络来逼近迭代方程中的期权价格关于标的模型空间变量的梯度函数;最后,通过深度神经网络参...     

一种混沌神经网络及其在优化计算中的应用

研究了一种具有混沌特性的神经网络 ,该网络具有瞬态混沌响应 ,类似于Hopfield网络的结构 ,但有比Hopfield网络更加丰富的动力学特征、更强的全局搜索能力。通过把混沌动力学与收敛动力学相结合 ,使网络逐渐由混沌神经网络向Hopfield网络过渡 ,达到控制混沌的目的 ,并且提供一个在全局最优解附近的初值 ,有效地解决了Hopfield网络的局部极值问题。该网络模型可以用来解决复杂的非线性优化问题。     

A Multistep Finite Volume Method with Penalty for Thermal Convection Problems in Two or Three Dimensions

The author considers a thermal convection problem with infinite Prandtl number in two or three dimensions. The mathematical model of such problem is described as an initial boundary value problem made up of three partial differential equations. One equation of the convection-dominated diffusion type for the temperature, and another two of the Stokes type for the normalized velocity and pressure. The approximate solution is obtained by a penalty finite volume method for the Stokes equation and a multistep upwind finite volume method for the convection-diffusion equation. Under suitable smoothness of the exact solution, error estimates in some discrete norms are derived.     

Stability analysis of extended discrete-time BAMneural networks based on LMI approach

1 .INTRODUCTIONBidirectional associative memory model is a kind ofneural network models in common use with the abili-ty of information memory and association. Since thedistributed memory of the information,the networkcan associate a completed and clear mode stored in itfroman uncompleted and fuzzy mode . Bidirectionalassociative memory (BAM) proposed by B. KoskoinRef .[1] is a generalization of Cohen-Grossberg’smodel from single layer to two layers . Since then,there have beenlots of …     

光波导方向耦合器中神经网络应用研究

采用神经网络对光波导方向耦合器进行建模,用于对其进行分析,设计及优化。以两波导间距作为输入样本,光波导的耦合系数作为输出样本,进行神经网络模型训练。当模型训好后,在训练范围内把任意两波导间距输入到模型中,输出端迅速得到对应的耦合系数,与电磁场数值分析计算比较,误差小于1%。结果证明该方法具有快速、准确、可靠等优点,在科研和工程中具有很高的实用价值。     

BF及模糊神经网络在旋转机械故障诊断中的应用

本文对模糊神经网络用于故障诊断较传统BP(Back-Propagation)网络的优越性进行了分析,并提出了一种利用模糊神经网络进行旋转机械故障诊断的新方法。在这种方法中利用RBF(Radial Basis Function)神经网络获得隶属度函数,并简化了模糊神经网络的训练,使得新的故障诊断专家知识更易于扩充到现有的故障诊断网络中。仿真结果表明,本文方法所构建的故障诊断网络易于扩展且有良好的诊断效果。     

电流步进法实现低频区RCS可视化计算

基于电流步进法的原理,导出了求解任意理想导体目标在照明区及阴影区感应电流佘式,弥补了物理光学在计算目标阴影面的精确电流的不足。通过对目标表面按照入射雷达波波长进行剖分,可获得散射体表面在离散表示式,利用此感应电流的离散方程组,在入射电磁波方向前向/后向反复迭代,可得到积分电流的唯一值,通过Stratton-Chu积分公式,可得到飞行目标雷达散射截面积(RCS),该方法收敛迅速,适合低频复杂目标计算。计算结果与试验结果吻合良好。     

基于PSO-BP的应急通信感知装备效能评价方法

应急通信感知装备效能评价可支撑相关装备的发展规划, 而现有评价方法主观性强, 且自适应能力有待提升。因此, 提出一种基于粒子群优化(particle swarm optimization, PSO)算法的改进反向传播(back propagation, BP)神经网络的应急通信感知装备效能评价方法, 旨在建立客观精准的效能评价。首先面向实战效能构建了三级效能评价指标体系, 然后将样本数据进行主成分分析法降维, 建立BP神经网络回归模型, 并结合PSO算法对模型的连接权值与阈值进行优化, 形成PSO-BP模型以避免局部极小值问题, 获得可评价具体装备效能时的神经网络模型。实例分析表明, PSO-BP相较于BP神经网络模型评价的均方误差减少了28.18%, 表明PSO-BP模型具有更高的准确性。     

基于结构自适应模糊神经网络的前列腺癌诊断方法

前列腺癌是近年来严重危害男性健康的疾病.利用模糊神经网络方法可以实现前列腺癌诊断,并将诊断模型表示为模糊规则集合.针对模糊神经网络所提取规则解释性差的问题,提出结构自适应模糊神经网络方法,通过改进损失函数,在训练中控制相似隶属度函数的合并,实现模糊神经网络模型结构自适应调整,减少模糊规则数量,在保证诊断准确性情况下,提取出容易理解的可解释性规则.同时该方法在模型的训练过程中引入粒子群优化(PSO)算法进行结构和参数学习,有效减少计算量,提高训练效率.最后,使用临床医学科学数据中心提供的前列腺疾病检查数据进行数值实验,验证了所提出方法在前列腺癌诊断和可解释性规则提取中的有效性.     

基于深度网络的蓝军装备模型参数生成方法研究

蓝军装备的建模仿真是构建对抗仿真环境不可缺少的部分。针对蓝方系统可获取的参数有限、具有“贫信息”“小样本”特性的问题,提出一种基于深度网络的蓝军装备模型参数生成方法。通过设定信息注入蓝军装备的仿真模型,生成仿真数据,利用数据训练深度神经网络。得到的网络对该型装备的未知参数预测具有一定的泛化能力,可直接用于预测或作为迁移学习的源模型。以蓝军某型拦截弹的建模仿真为例对该方法进行应用验证,使用了多层感知机和循环神经网络2种网络对比例导引系数进行学习与预测,均获得了较好的效果。     

一种新的人工神经元网络结构模型

提出了一种新的人工神经元网络结构模型 ,与传统的层次型结构不同的是 ,它具有一种逐步细分型、自相似的结构 .给出了用二层模型模拟任意连续函数的一个可靠方法 ,构造方法是基于函数的局部性质 .     

有一定物理基础的核素浓度预测神经网络模型

为解决突发核电事故后使用机理模型预测放射性液态流出物迁移扩散,需长时间迭代计算的不足,提出了一种新型混合神经网络模型,该模型耦合了描述液态流出物在受纳水体中迁移扩散的组分输运方程和神经网络模型,采用并行多种群混合进化粒子群算法计算神经网络权值与阈值.论文以湖北咸宁大畈核电站受纳水体富水水库为研究对象,对事故工况下长半衰期核素迁移扩散进行模拟预测,研究结果表明有一定物理基础的神经网络模型是一种有效、可行的预测模型,预测结果与机理模型的模拟输出拟合度较好,新模型较传统的黑箱神经网络模型以及基于单调型先验知识的神经网络模型具有更强的泛化性能改善能力.     

基于Lambert W函数的装备经济寿命分析

为改进现有装备经济寿命模型求解时计算量大、不便于分析等缺点,提出了一种新的装备经济寿命确定方法。首先通过Lambert W函数求解出装备经济寿命的精确计算解析式,其次采用多项式拟合、有理拟合对Lambert W函数进行精确估算,并将结果与Lambert W函数近似解和精确解进行比较,在此基础上得出了装备经济寿命的精确估算公式。实验表明,估算公式是一个分段函数形式,对经济寿命的估算精度可控制在±1年。该方法与传统的列表法相比,不仅具有直观性,利于掌握和计算,同时便于进一步分析经济寿命的影响因素和变化规律。     

微波在分层媒质中的近场聚焦

本文分析讨论了天线口面附近有分层煤质(两层)情况下的聚焦场分布。在分析中,引入了赫兹电磁位,利用平面波谱理论,得到了场的平面波谱函数和其赫兹位的关系式。通常,求分层介质中的场只是在平面波情形下求取。本文提供了一种在介质前面有任意源分布时,求取分层介质中场分布的方法。对于天线口面上的聚焦电流分布,求得了聚焦点及其周围附近的场分布。在求解过程中,我们绕开了复杂的费涅尔积分,而是在其谱域中,对其谱函数进行k_x,k_y积分。再引用鞍点近似方法,得到了场的近似表达式。最后进行了理论和实验的比较,验证了这种方法的正确性。     

新型神经网络模型参考自适应控制系统设计

针对任意复杂非线性系统，即控制器具有不可分离结构的离散非线性系统，提出新型神经网络模型参考自适应控制。该方案的提出简化了基于神经网络的模型参考自适应控制系统的设计，只需一个神经网络辨识器。统一了任意神经网络模型参考自适应控制的设计方法，更接近于工程实际。仿真结果证明了该方案的合理性和有效性。     

基于Rough集理论和神经网络的武器系统参数费用模型

建立武器参数费用模型 ,首先要挑选特征参数 ,这里采用知识约简方法选择武器的特征参数 ;利用神经网络理论建立了参数费用模型 ,武器系统的费用与武器特征参数的关系可通过神经网络的阈值和权值得到体现 .通过实例对神经网络法与线性回归法所得的结果进行了比较 ,结果表明 ,神经网络法比线性回归法精确.     

时间序列的小波神经网络预测模型的研究

针对非线性时间序列,建立了小波神经网络预测模型,通过计算小波分解和小波级数,达到最优的逼近效果．经实例验证,该方法能有效地提高预测精度,避免了人工神经网络模型的固有缺陷.     

基于神经网络的军用飞机故障预报系统研究

在军用航空领域 ,及时准确的故障预报对提高飞行器的安全性具有极其重要的意义。针对飞机故障预报系统的设计要求 ,考虑到神经网络用于故障预测的优点 ,在神经网络技术应用于军用飞机的故障预测过程中提出了神经网络模型的训练算法。把神经网络、预测理论、专家系统有机地结合起来建立了一个故障预报系统。并以某型军用飞机冷气系统的典型故障为例 ,实现了故障的预测。实例预测结果证明 ,给出的神经网络预测模型和训练算法是可行的     

基于结构的神经网络优化结构参数的应用

介绍了基于结构的神经网络建模原理，提出了基于结构的神经网络结构参数优化方法。应用该方法建立了52SFZ-140-207B型液压缓冲器基于结构的神经网络模型，并对系统的关键结构参数进行了优化。通过优化，液压缓冲器的动态性能得到了改进。