AN EMPIRICAL ANALYSIS OF SAMPLING INTERVAL FOR EXCHANGE RATE FORECASTING WITH NEURAL NETWORKS

Artificial neural networks (ANNs) have been widely used as a promising alternative approach for forecast task because of their several distinguishing features. In this paper, we investigate the effect of different sampling intervals on predictive performance of ANNs in forecasting exchange rate time series. It is shown that selection of an appropriate sampling interval would permit the neural network to model adequately the financial time series. Too short or too long a sampling interval does not provide good forecasting accuracy. In addition, we discuss the effect of forecasting horizons and input nodes on the prediction performance of neural networks.     

A GENERAL APPROACH BASED ON AUTOCORRELATION TO DETERMINE INPUT VARIABLES OF NEURAL NETWORKS FOR TIME SERIES FORECASTING

Input selection is probably one of the most critical decision issues in neural network designing, because it has a great impact on forecasting performance. Among the many applications of artificial neural networks to finance, time series forecasting is perhaps one of the most challenging issues. Considering the features of neural networks, we propose a general approach called Autocorrelation Criterion (AC) to determine the inputs variables for a neural network. The purpose is to seek optimal lag periods, which are more predictive and less correlated. AC is a data-driven approach in that there is no prior assumption about the models for time series under study. So it has extensive applications and avoids a lengthy experimentation and tinkering in input selection. We apply the approach to the determination of input variables for foreign exchange rate forecasting and conduct comparisons between AC and information-based in-sample model selection criterion. The experiment results show that AC outperforms inf     

神经网络模型用于多变量综合预测

本文研究神经网络用于多变量时间序列预测的原理与方法，提出组合多种信息的综合预测方法。以股票交易为例，用神经网络组合各类信息，运用信心股价理论对中国股市的发展进行跟踪预测。在此基础上进一步从信息利用的角度说明了神经网络预测方法的特点。结果表明，神经网络模型用于多变王时间序列预测，其精度和趋势均较统计方法有所提高；神经网络综合预测，对中短期股票价格的预测，有实用价值。     

AN APPROACH TO RESOLVE CONFLICTS BY TRADE-OFF ANALYSIS

In this paper we propose an approach to resolve the conflicts in which more thantwo parties are allowable.It is a refinement and extension of Lootsma's pairwise comparisonmethod for resolution of conflicts.The trade-offs of benefits and costs are judged in verbalterms which are subsequently converted into numerical values on a discrete geometric scale.Three schemes are suggested for supporting a mediator to recommend an appropriate dealto all the parties.We also present a procedure to estimate the trade-offs of the compositedeals.The approach is illustrated via the example of a market scramble.     

前馈网络泛化性能改进的目的规划方法研究

以目的规划模型为基础，将前馈网络准则函数改进、网络灵敏度降低、先验知识运用有机地结合在一起，提出了前馈网络泛化性能改进的目的规划方法．文中给出了该方法的数学模型、求解方法以及算例     

一种基于神经网络的通信中继网路生成算法

本文利用人工神经网络原理及平均场近似动态分析方法探索了在网络总体费用最小准则下 生成城市电话通信网中继网路结构的算法。给出了适合于中继网路生成问题求解的神经网络结构，推导了网络运行方程并给出了相应的模拟结果。     

Experimental Studies of Adaptive Conscious Systems

ＥｘｐｅｒｉｍｅｎｔａｌＳｔｕｄｉｅｓｏｆＡｄａｐｔｉｖｅＣｏｎｓｃｉｏｕｓＳｙｓｔｅｍｓＣａｉＹｉｆａ（ＤｅｐｔｏｆＭａｔｈ＆ＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅｓＤｕｎｄｅｅＩｎｓｔｉｔｕｔｅｏｆＴｅｃｈｎｏｌｏｇｙＤｕｎｄｅｅＤＤ１１ＨＧＵｎｉｔｅｄ...     

导引头角闪烁抑制方法探究

雷达目标角闪烁(即视在角位置的变化)是目标后向散射波中的一种干扰现象,它是由复杂目标的多散射中心引起的一种相位迭加畸变效应。在导引头的末段制导过程中,角闪烁将成为主要的角误差因素,它严重地降低了导引精度,甚至可能导致对目标的失踪。 选用一架实际的T-33飞机建立目标模型。近似模型由8个散射中心构成。利用矢量相干求和及坡印亭矢量概念,导出了目标RCS和角闪烁线偏差公式,并得出了几条特定轨迹上导引头跟踪目标的模拟结果。RCS与角闪烁间的负相关性得到了验证。此外,给出了临界去相关频率,概率密度函数以及角闪烁功率谱。为抑制角闪烁,模拟了频率捷变与极化分集时的六种RCS加权处理方法。结果表明,对那些利用了RCS与角闪烁间负相关性的加权方法,经加权处理后,角闪烁的均方根线偏差将被抑制到一个较小的量级。其中频率捷变方法可望得到更好的结果。     

大系统递阶控制问题求解

利用Ｔａｙｌｏｒ级数性质将大系统递阶控制问题转化为代数方程的求解问题，并以算例表明了方法的有效性．     

分散控制系统稳定化的新方法

本文从实际考虑提出了一种使分散控制系统稳定的新方法。这是一种最优的稳定方法。它不仅使反馈控制器的结构具有站间的通讯费用最低的特点，而且也使控制结构有最少的通道数。数值计算的例子表明了本文所提方法的正确性和可操作性。     

神经网络与专家系统

本文通过对专家系统与神经网络各自特点的考察，探讨了将两者结合起来并保留各自优点的可行途径，进一步指出了有待解决的问题。同时通过对电力系统中ＮＮ应用状况的回顾，展望了这一技术在电力系统中的应用前景。     

具有输出限幅特性的非线性系统数学模型建立方法

对于具有线性—限幅特性的非线性系统,在线性和非线性部分之间的任何信息都不知道的情况下,利用频谱分折的方法,可以得到线性和非线性部分的全部参数,并对限幅特性进行确认性检验。本文给出了识别全部参数的详细方法和步骤,最后给出了识别例题。     

管理信息大系统分析与设计的一个新方法

本文将ＣｈｅｃｋｌａｎｄＰ．Ｂ．的软系统方法论与ＨａｌＡ．Ｄ．的硬系统方法论有机结合起来，提出一种管理信息大系统的“软系统分析／硬系统设计”方法，同时通过一个地方政府宏观经济管理信息系统的实践说明方法的应用．     

基于分段线性逼近网络的直接自适应控制

对一类单输入单输出系统的控制问题进行了研究 ,设计了对这类系统的直接自适应控制方案。控制方案的一部分是采用分段线性逼近神经网络逼近给定的非线性系统 ,利用已经发生的实际数据对网络的权值进行训练 ;另一部分是结合神经网络的一步预测输出和系统的参考输出 ,通过梯度优化器计算得到系统的控制输入。数值仿真结果表明 ,控制效果比较理想     

AN INTELLIGENT CONTROL SYSTEM BASED ONRECURRENT NEURAL FUZZY NETWORK AND ITS APPLICATION TO CSTR

In this paper, an intelligent control system based on recurrent neural fuzzy network is presented for complex, uncertain and nonlinear processes, in which a recurrent neural fuzzy network is used as controller (RNFNC) to control a process adaptively and a recurrent neural network based on recursive predictive error algorithm (RNNM) is utilized to estimate the gradient information ρy/ρu for optimizing the parameters of controller.Compared with many neural fuzzy control systems, it uses recurrent neural network to realize the fuzzy controller. Moreover, recursive predictive error algorithm (RPE) is im-plemented to construct RNNM on line. Lastly, in order to evaluate the performance of the proposed control system, the presented control system is applied to continuously stirred tank reactor (CSTR). Simulation comparisons, based on control effect and output error,with general fuzzy controller and feed-forward neural fuzzy network controller (FNFNC),are conducted. In addition, the rates of convergence of RNNM respectively using RPE algorithm and gradient learning algorithm are also compared. The results show that the proposed control system is better for controlling uncertain and nonlinear processes.     

信息与符号信息

在信息概念的基础上,讨论了信息的多样性问题;对最常见的符号信息从基本理论层次进行了分析,澄清了一些容易混淆的概念;也讨论了信息数字化碰到的问题.     

一类串联加工网络的关键路径与扰动分析新算法

考虑一类有阻塞的串朕加工网络，首先引入了关键路径，并分析了其性质，在此基础上，研究了扰动分析法，得到了一种估计梯度的改进算法，该算法计算量少、精度高。     

高阶非线性控制系统的适应性仿真研究

针对带有外部扰动和参数摄动的不确定高阶非线性系统,利用积分行为补偿系统的各种未知因素,设计适应性非线性控制器(ANLC),并提出了全面的控制器适应性评价方法。首先结合典型信号扰动试验和模型参数摄动试验,检验系统的抗扰性和鲁棒稳定性;然后引入神经网络和Taylor级数展开理论构造非线性函数,改变高阶非线性系统的模型结构,利用Monte-Carlo随机试验方法,进行模型摄动的性能鲁棒性分析;并与精确反馈线性化(EFL)方法进行了定量比较。结果表明,适应性非线性控制器(ANLC)具有很强的适应性能,是解决不确定高阶非线性系统控制的有效途径。     

基于复合信息空间的决策理论与方法

经过多年的研究和实践，系统工程学术界取得了如下的共识：在进行研究与开发复杂大系统时，在但要考虑各种状态因素的影响，同时还必须考虑人、组织及环境等行为因素的影响，本文提出了复合信息空间的理论与给出了考虑两种因素的结构化方法，包括因素分析、关系分析、系统功能分析和系统综合设计，可以看出，该方法可作为各种复杂大系统分析综合的方法基础。     

基于神经网络的非线性系统的间接自适应控制

针对一类不确定非线性动态系统 ,利用多层神经网络系统MNNs的逼近能力 ,提出了一种间接鲁棒自适应神经网络控制器的设计方案。该方案不仅能够保证闭环系统的所有信号有界 ,而且理论分析证明了闭环系统的跟踪误差渐近收敛到零。仿真试验表明本控制算法是有效的。