一类新的离散时延递归RBF神经网络

提出了一类带有离散时间 FIR/ IIR滤波器的递归 RBF神经网络 ,用离散时间 FIR/ IIR滤波器代替通常的 RBF神经网络中的线性输出权值 ,以适用于离散动力学系统的辨识和控制以及混沌时间序列预测 .本文给出的学习算法简单 ,可以避免传统的递归算法的不稳定性 .将该类神经网络用于动力学系统的建模 ,收到很好的效果 .     

A Neuro‐wavelet Model for the Short‐Term Forecasting of High‐Frequency Time Series of Stock Returns

We propose a wavelet neural network (neuro‐wavelet) model for the short‐term forecast of stock returns from high‐frequency financial data. The proposed hybrid model combines the capability of wavelets and neural networks to capture non‐stationary nonlinear attributes embedded in financial time series. A comparison study was performed on the predictive power of two econometric models and four recurrent neural network topologies. Several statistical measures were applied to the predictions and standard errors to evaluate the performance of all models. A Jordan net that used as input the coefficients resulting from a non‐decimated wavelet‐based multi‐resolution decomposition of an exogenous signal showed a consistent superior forecasting performance. Reasonable forecasting accuracy for the one‐, three‐ and five step‐ahead horizons was achieved by the proposed model. The procedure used to build the neuro‐wavelet model is reusable and can be applied to any high‐frequency financial series to specify the model characteristics associated with that particular series. Copyright © 2013 John Wiley & Sons, Ltd.     

机器学习模型在地下水埋深模拟中的适应性分析

基于京津冀气象、社会资料及地下水埋深数据,构建支持向量机(SVM)、循环神经网络(RNN)和长短期记忆神经网络(LSTM)模型对京津冀地区13个城市地下水埋深进行了模拟,并以确定系数、均方根误差、平均绝对百分比误差、纳什系数对3个模型的适应性进行了评价。结果表明：LSTM模型模拟效果最好,其次是RNN,SVM最差;不同城市基于LSTM模型进行地下水埋深模拟时参数调整最少,适应性最好,SVM模型参数调整最多。将3个模型应用于随机选择的6个测站进行验证,在华北地区浅层地下水埋深模拟方面,LSTM模型模拟精度和可信度最好,适应性最强,是该地区地下水埋深模拟的首选机器学习模型。     

对经常性社会捐助活动有效实现形式的探索

经常性社会捐助活动的开展需要建立经常性社会捐助服务网络,形成协作机制,同时应加大政策支持力度,加强宣传、规范运作,建立快速反应机制。不断拓展经常性社会捐助工作领域是社会捐助工作发展的必然趋势。     

不定方程x3-8=65y2的解

利用同余式和递归数列的方法,证明了不定方程x3 -8=65y2无适合(x,y)=1的整数解.     

一种查找最新数据地址的方法

提出了一种在计算机系统中查找写入存贮器中最新数据的地址的方法。该查找方法对需长久保存采集到的数据，且不具备磁盘等外部存贮器和文件管理系统的单片机系统具有普遍的意义。     

存在共圆Killing向量场的拟共形黎曼流形

本文推广了《关于无穷小共圆运动几个定理》(罗崇善)的若干结果,得到:若一个拟共形平坦(拟共形半对称或拟共形循环)流形M~n(n≥4)存在一个共圆Killing向量场,则M~n是常曲率流形,或拟常曲率流形或ρ的梯度是M~n的平行向量场。     

变尺度Fractal集的Hausdorff维数

给出复合递归集的Ｈａｕｓｄｏｒｆｆ维数的下界估计，并由此确定了一类复合递归集的Ｈａｕｓｄｏｒｆｆ维数，所获结果包含并推广了已知结果。     

基于正弦映射的动态递归网络产生混沌序列实现方案

提出了应用正弦映射来产生混沌序列，正弦映射是结构简单的一维映射，通过对此映射的分析，得出其能在较大参数范围内产生混沌，并且产生的混沌序列具有较大的Lyapunov指数，具有比较丰富的动态特性，并将其引入到动态递归网络的隐含层作为非线性甬数，选择合适的网络权值，便可在输出层产生具有复杂动力学行为的混沌序列．通过对此序列进行Lyapunov指数和相关性的仿真分析，得出其具有良好的随机性，可应用于混沌保密通信等领域．     

利用串/并联神经网络建立化学反应器模型

本文研究使用线性动态神经网络与非线性的静态网络相结合的混合建模方式解决复杂非线性系统的建模问题。使用混合神经网络建模，可以降低单个网络的训练难度，基于此，也可将非线性系统控制策略的求解分解，转换为线性系统的求解。从而改善使用单一神经网络建模存在的精度不高以及训练时间长等不足，也为非线性系统控制策略的求解提供方便。本文以一个典型多变量系统——连续搅拌釜式反应器（CSTR）作为仿真对象，详细研究和实现了两类神经网络串联和并联的混合建模方法，并对结果进行了比较。