神经网络及其在股市预测中的应用

将BP神经网络和RBF神经网络应用于股市综合指数预测.预测结果表明,RBF网络计算量少,学习速度快,预测精度高.     

时空感知下基于结构相似度的Web服务质量预测

随着云计算等新型服务计算的兴起,Web服务数量日益增长,相同或相似功能的Web服务也逐渐增多.为了向用户推荐更高质量的服务,精确地预测Web服务的QoS值成为亟待解决的重要问题.传统的协同过滤方法已经被广泛应用于QoS预测和Web服务推荐中,但因为数据稀疏和噪声问题导致QoS预测性能不好.为提高QoS预测的性能,文中通过分析用户服务QoS矩阵的时空特征,提出了一种基于全局和局部结构相似度的稀疏矩阵分解模型.该方法将QoS矩阵的相邻时间相似用户的网络环境相似性这一特征融入到矩阵分解中,并利用分解的因子对QoS矩阵进行低秩填充.这种方式在一定程度上消除了数据稀疏和噪声的影响.在真实Web服务调用数据集上进行实验,结果表明,该方法在预测精度上优于典型的协同过滤算法(相比于NMF,其MAE值最大下降了3.25％,RMSE值最大下降了6.65％;相比于SVD,其MAE值最大下降了3.67％,RMSE值最大下降了7.01％),能够有效地解决数据稀疏和噪声的问题.     

基于差值灰色RBF网络模型股票价格预测研究

针对RBF神经网络的预测精度受样本数据随机性影响较大,而灰色理论能弱化数据随机性的特点,提出了差值结合法将灰色GM(1,1)模型和RBF神经网络模型有效地结合起来,构建了差值灰色RBF网络预测模型。并利用此模型进行股票价格预测,实证结果表明:该模型预测稳定性较好,预测精度高,平均预测误差为0.68%,与BP神经网络和RBF神经网络相比具有更好的泛化能力和更高的预测精度,在股票预测中具有一定的实用价值。     

一种支持Web服务QoS动态预测的方法

为了在高度动态环境下准确地预测Web服务的服务质量(Quality of service,QoS),该文提出了一种基于半马尔可夫过程(Semi-Markov processes,SMP)和事例推理(Case-based reasoning,CBR)的QoS动态预测方法。该方法首先使用SMP预测Web服务在未来被调用时刻的忙闲状态,在此基础上,利用CBR技术预测Web服务处理具体任务时的QoS。实验结果表明:该预测方法能够大幅度提高Web服务QoS的准确度。研究结果为客观评价和成功选择Web服务提供了可靠的依据。     

基于RBF神经网络的水体污染物含量建模与预测

对水体中污染物含量进行预测具有十分重要的意义。将时间序列作为RBF神经网络的输入,对水体污染物含量的预测做了建模研究。实验结果表明,RBF神经网络的输出值与实际值之间的误差在可以接受的范围,因此在实际应用中,可以将RBF网络方法作为一种考虑采用的方法。     

RBF神经网络主成分分析法在交通量预测中应用

文章基于径向基函数(RBF)神经网络应用于交通量预测时,如果输入空间严重自相关及网络维数较高时,RBF神经网络的预测精度会下降这一问题,提出了一种改进的RBF神经网络主成分分析法。用实例证明,该方法在模拟预测中与一般的RBF神经网络模型相比有较好的效果。     

径向基神经网络在股市预测中的应用

将 RBF神经网络应用于股市的预测中 ,以上证指数和海虹控股为对象进行建模和预测 ,仿真实验表明 ,该 RBF网络具有较好的学习和推广能力 ,对股价的预测达到了较好的效果     

径向基函数网络(RBF)在股市预测中的应用

如何对股票价格进行预测是投资者所关注的内容。利用RBF神经网络对股票价格进行预测,将反映股票价格的开盘价、收盘价、最高价、最低价作为神经网络的输入变量,利用RBF神经网络自适应算法对网络进行训练,建立起神经网络模型。研究表明,该方法具有一定的预测能力。     

一种基于QoS的扩展语义Web服务发现方法

如何从大量的Web服务集合中找到满足用户要求的服务是Web服务技术的关键,然而现有Web服务缺乏对QoS信息的描述,不能满足用户对服务QoS的需求.本文基于OWL-S本体扩展了profile描述,将QoS本体引入OWL-S,在基于SOA工作框架以及P2P网络的基础上,设计了Web服务发现框架,并在该框架中引入了QoS管理模块.服务匹配过程分为两个阶段:第一阶段为基于服务功能的匹配,服务的功能主要从inputs、outputs、preconditions和effect描述;第二阶段为基于服务QoS的匹配,QoS属性从time、cost和reliability描述,以满足用户对服务质量提出的要求.实验结果表明该模型可以有效地增加Web服务发现的有效性.     

一种基于OoS的扩展语义Web服务发现方法

如何从大量的Web服务集合中找到满足用户要求的服务是Web服务技术的关键,然而现有Web服务缺乏对QoS信息的描述,不能满足用户对服务QoS的需求。本文基于OWL-S本体扩展了profile描述,将QoS本体引入OWL-S,在基于SOA工作框架以及P2P网络的基础上,设计了H9I服务发现框架,并在该框架中引入了Web管理模块。服务匹配过程分为两个阶段：第一阶段为基于服务功能的匹配,服务的功能主要从Inputs、outputs、preconditions和effect;描述;第二阶段为基于服务QoS的匹配,QoS属性从;time、cost:;和reliability描述,以满足用户对服务质量提出的要求。实验结果表明该模型可以有效地增加Web服务发现的有效性。