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.     

供应链下Flow Shop调度问题的多目标混合算法研究

针对供应链环境下一类多目标Flow Shop调度问题,构建了相关模型并提出一种新的基于PSO、SOM和VNS的混合算法.该算法运用新的思想和多种优化策略,可在单个解的质量、解分布的均匀与分布的广度3个指标上同时达到远优于原算法的效果.仿真实验显示,该算法对求解该类调度问题十分有效.     

基于组合预测方法的安徽经济发展预测

利用最优加权组合法,对时间序列模型、灰色预测模型和神经网络模型进行组合,通过计算确定其权重,得出未来五年安徽省的GDP,同时根据平均绝对百分误差、均方根误差以及泰尔系数,将组合预测模型与单一的预测模型进行比较,得出组合预测模型的精度比单一预测模型预测精度高,并根据组合预测结果可以看出在未来五年安徽省的经济会持续稳定的发展。     

基于广义回归神经网络的交流电磁场检测裂纹量化研究

考虑到目前交流电磁场检测中裂纹量化精度和智能化水平的不足,将广义回归神经网络(GRNN)引入到交流电磁场检测技术中来,在有限元仿真试验基础上,选择了作为输入元素的交流电磁场信号特征向量,构建了一种适合于交流电磁场检测裂纹量化分析的GRNN模型,并利用归一化处理后的一些离散数据作为网络的训练和检测样本,使网络完成对整个裂纹交流电磁场范围内的主要信息的存储,从中发现输出和输入之间的内在关系,完成对未知点的预测。结果表明,与传统的线性插值方法以及BP网络相比,该方法建模简单,预测精度高,对原始数据的分布和边界条件无特别要求,推广性能强,人为调节参数少,收敛速度快,更为智能化,尤其在获得已知样本稀少的情况下仍能表现出极强的适应性,从而保证了模型的精度和推广性能,为交流电磁场检测裂纹量化提供了一种智能高效的方法。     

低强度电磁脉冲对细胞膜穿孔的研究

采用新型超宽频带横电磁传输室ＰＴＥＭ Ｃｅｌｌ,在低强度脉冲电场（ＷＥＭＰＦ,电压１８７Ｖ,场强２０Ｖ／ｃｍ,频率３００Ｈｚ,脉宽５０ｎｓ或１００ｎｓ）作用下,鸡红细胞膜上出现直径０．１￣０．９μｍ大小不等的孔洞,被穿孔的细胞约占所观察细胞的１％,细胞穿孔率与照射时间无明显相关。另外,还观察到有１％的细胞虽未穿孔但有小泡从膜上凸出或出现凹陷;台盼蓝能进入人红细胞,红细胞体积都明显变大;ＷＥＭＰＦ能     

基于主成分分析和BP神经网络的车标识别

在对3种数据降维技术进行了比较研究的基础上,提出一种基于主成分分析(PCA)和BP神经网络的车标识别算法.首先,利用PCA方法获得特征车标;然后,将待识别车标投影到特征车标张成的子空间;最后,通过BP神经网络进行车标识别.实验结果表明,该算法能有效提高车标的识别率,对光照和噪声有很强的鲁棒性.     

一类带反应扩散项的Cohen-Grossberg神经网络的指数稳定性

本文探讨了一类带反应扩散项的时滞脉冲Cohen-Grossberg神经网络,得到了其平衡点全局指数稳定的充分性判定条件。     

基于复数神经网络求解的拟凸优化问题

针对神经网络应用于解决线性和非线性约束下的复数优化问题,提出了一种简化的复数神经网络解决非线性规划下的拟凸优化问题;通过定义辅助函数将复数域上的拟凸优化问题转化为实数域上的优化问题,推导出相应的神经网络模型,并建立李雅普诺夫函数证明该神经网络平衡解的稳定性与收敛性;得出对任意的初始点,该神经网络是李雅普诺夫全局稳定的而且收敛于优化问题的最优解;通过数值算例验证了此研究方法的有效性以及结论的正确性。     

基于集成ISGNN的煤矿瓦斯涌出量估计方法

煤矿瓦斯涌出量的预测是国内外研究热点之一.将一个矿井中的瓦斯浓度分布视为一个多变量系统,提出了一种集成迭代自生成神经网络EISGNN,将集成学习思想与ISGNN相结合,采用抽样技术,选择数量少且能够反映训练样本集特征的样本训练多个ISGNN,最后将多个分类结果融合,从而得出分类结果.将EISGNN应用于煤矿瓦斯监测中,解决异常瓦斯采样数据检测和丢失瓦斯采样数据估计问题,仿真实验结果表明EISGNN是解决这两个问题的一种有效的方法.     

一种规则生成和参数自调整模糊控制器及其应用研究

控制过程中,对象常具有非线性、时滞、不确定性和参数时变的特点,而普通模糊控制器因控制规则固定,影响控制效果.针对这些问题,基于模糊神经网络的方法,设计一种模糊控制器,对学习算法进行推导,实现模糊控制规则的自生成和参数自调整.经仿真实验并根据其特点,将之应用于烧结控制过程,表明该控制器有良好的控制性能.