基于遗传算法神经网络集成股票市场预测研究

神经网络集成技术能有效地提高神经网络的学习能力和泛化能力,已经成为机器学习和神经计算领域的一个研究热点.本文利用不同的神经网络算法产生神经网络集成个体,以误差平方和最小为准则,用遗传算法动态求解集成个体的非负权重系数,进行最优组合集成建模研究,并以此建立股市预测模型.通过上证指数开盘价、收盘价进行实例分析,计算结果表明该方法相对传统的简单平均集成模型,具有预测精度高、稳定性好,易于操作的特点.     

基于文化算法的神经网络集成方法

提出了一种基于文化算法的神经网络集成方法,在训练好个体神经网络后,使用文化算法选择部分网络来组成神经网络集成.该方法将遗传算法纳入文化算法框架,充分利用优秀个体的经验知识来指导算法的搜索过程,从而提高了算法的搜索速度.实验结果表明,使用文化算法进行集成,能够提高构造差异性大的神经网络集成的效率.     

基于遗传算法的神经网络优化

神经网络和以遗传算法为代表的进化算法都是仿效生物处理模式来获得智能信息处理功能的理论,其中,神经网络已被广泛应用于智能控制系统优化,信号及信息处理,模式识等领域,而遗传算法则是模拟生物的进化现象（处然淘汰,交叉,变异等）,不表现复杂现象的一种概率搜索方法,以达到快速有效地解决各种困难问题。但神经网络和遗传算法目标相近而方法各异,因此,将这两种方法相互结合,必能达到取长补短的作用,近年来,在这方面已经取得了不少研究成果,形成了以遗传算法与神经网络相结合的进化神经网络（ENN）。本文以综述的形式总结了遗优越传算法在神经网络训练中的应用情况。     

基于遗传算法的神经网络结构优化

介绍了遗传算法的基本原理,然后利用遗传算法优化神经网络结构,形成以遗传算法与神经网络相结合的进化神经网络.经验证可知,该算法具有一定的可行性与有效性.     

基于遗传算法的分布结构模糊神经网络

提出了一种用于模糊系统建模和分析的分布结构模糊神经网络,这种网络将所有输入变量的从属度与各输出变量的从属度通过分布结构独立对应起来,利用遗传算法得到网络的权与输入变量的从属函数最优化参数,最后给出计算机模拟结果。     

基于非参数回归的遗传神经网络集成股市预测研究

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.     

基于遗传算法的RBF神经网络设计

采用了遗传算法自动构造ＲＢＦ网络,把网络结构的形式作为一个子集选择问题来解决,并提出了新的遗传操作算子来改进遗传算法,加快了收敛速度,提出了算法的实用性,文中介绍了遗传算法的结构与优化原理,并给出了ＲＢＦ网络结构的生成方法,用仿真结果证明了本算法的可行性。     

基于特征选择的神经网络集成方法

将特征选择技术ReliefF引入Bagging方法中,提出了一种新的神经网络集成方法——ReBag．实验结果表明,本方法的泛化能力优于Bagging方法,与Attribute Bagging方法相当但效率更高．     

基于遗传算法的神经网络分类器优化设计

依据神经网络分类器的设计原理，设计了一种有效的遗传算法，实验结果表明：算法优化后的神经网络分类器不但学习速度快，还能保证分类精度．     

基于改进Hopfield神经网络的手写字符识别

针对传统Hopfield神经网络无法对非正交学习模式进行正确回忆的问题，在Hebb学习规则的基础上，提出了一种改进的Hopfield神经网络．通过在学习阶段对连接关系矩阵进行修正，改进后的Hopfield神经网络能够对其学习模式进行正确的回忆，实验证明了其对手写字符有着较好的识别效果．     

基于离散Hopfield神经网络的数据加密算法

离散Hopfield神经网络的吸引性不仅具有重要理论意义,而且是现代网络应用基础。基于离散Hopfield神经网络,简要讨论了算讨论了其吸引性;并利用其非线性混沌机制和并行计算的特点,提出了数据分组加密算法和公钥加密算法;法的安全性。     

配电网重构方案Hopfield神经网络算法研究

针对配电网辐射状运行的特点,提出了以Hopfield神经网络为基础,以降低网损为目标函数的配电网重构方案算法:首先利用Hopfield神经网络来确定各个节点的入度,然后根据节点入度确定线路是否投入运行,并由此确定各联络开关的状态,最终确定配电网重构方案.给出了神经网络能量函数和求解方法,能量函数同时考虑到了辐射状运行、网损最低和某些线路可能无联络开关的问题.通过对IEEE一三电源电网进行计算,所得结果和遗传算法基本一致,而Hopfield神经网络通过解微分方程组确定最优解的计算时间相对较少.     

用Hopfield神经网络求解一类Markov链的客户关系管理模型

以客户关系管理(custom er re lationsh ip m anage-m en t,CRM)的数学模型为背景,研究了如何用Hop fie ld神经网络构建一类M arkov链表述的CRM的客户分类分析和评价的计算模型。从一种不同于现CRM的对客户关系评价的思路入手,用M arkov链建模。分析该类马氏链建立的CRM数学模型的特点(无限次交易),分析连续Hop fie ld神经网络计算的内在特点。从矩阵结构和求逆的角度,发现这两个不同概念模型的数学模型具有相同的特点。研究结果将该类马氏链的CRM模型计算同Hop fie ld神经网络计算关联起来。这表明可以用连续Hop fie ld神经网络计算该类M arkov链的CRM模型。     

离散Hopfield网络的稳定性分析

研究了非对称离散Hopfield神经网络在同步演化方式下的动力学行为,给出了新的收敛性条件和网络没有稳定点的条件,所获结果推广了一些已有的结论.     

关于Hopfield型神经网络稳定性的注记

对于李雅普诺夫函数的径向无界性证明，给出了严格的证法．同时在激励函数单调递增的条件减弱的情况下，给出了两条渐近稳定的定理，并给了严格的数学证明．最后用实例说明前人的工作是基于不同假设条件的，而非强弱程度不同的条件．     

三维Hopfield型神经网络的混沌同步研究

利用状态观测器理论提出了具有多个非线性项的混沌系统的标量输出同步方法。通过对误差系统的变换,以降低非线性项对误差系统的影响,从而可减少极点配置参数。基于这种方法,设计出含有多个非线性项的Hopfield型混沌神经网络的同步系统,并计算出同步参数,从而实现了含有多个非线性项的混沌系统同步,并用计算机仿真证实了此方法的有效性。Hopfield型混沌神经网络具有全局吸引的混沌吸引子,混沌性能稳定,采用线性电路器件容易实现,对混沌的实际应用有参考价值。     

三维Hopfield型神经网络的混沌同步研究

利用状态观测器理论提出了具有多个非线性项的混沌系统的标量输出同步方法。通过对误差系统的变换,以降低非线性项对误差系统的影响,从而可减少极点配置参数。基于这种方法,设计出含有多个非线性项的Hopfield型混沌神经网络的同步系统,并计算出同步参数,从而实现了含有多个非线性项的混沌系统同步,并用计算机仿真证实了此方法的有效性。Hopfield型混沌神经网络具有全局吸引的混沌吸引子,混沌性能稳定,采用线性电路器件容易实现,对混沌的实际应用有参考价值。     

离散型Hopfield神经网络稳定性的研究

提出了离散型Hopfield神经网络DHNN模型权矩阵的等效矩阵的概念，给出了相关算法。利用等效矩阵的概念可把DHNN模型按其轨道是否相同进行分类。因而，获得了研究DHNN模型收敛性的一种新方法，并利用此方法推广了已有的有关收敛性的几乎所有结论。     

基于离散Hopfield神经网络的突发事件连锁反应路径推演模型

突发事件及其引发的连锁反应会造成严重的灾害后果,如果事先知道突发事件可能引发的连锁反应路径,就可以提前做好断链减灾工作.因此,提出一种基于Hopfield神经网络的突发事件连锁反应路径推演模型.该模型用Hopfield神经网络表示一般的突发事件网络,用Hopfield神经网络的运行规则表示突发事件连锁反应的原理,并设置神经元阈值,将突发事件连锁反应路径的推演过程映射为Hopfield神经网络的演化过程,通过运行Hopfield神经网络推演初始突发事件的一条连锁反应路径.最后,用该模型推演了地震引发的连锁反应路径,验证了该模型的合理性.