主成分分析法在神经网络经济预测中的应用

经济预测问题是典型的多指标小样本复杂系统的预测问题。神经网络非常适用于复杂非线性系统的处理，但神经网络的规模是影响它的泛化能力的一个主要因素。特别在样本集少，指标多的情况下，要保证神经网络的泛化能力，如何降低神经网络的规模就成为亟待解决的关键问题。本文提出了用主成分分析法从根本上降低神经网络的规模，提高神经网络的泛化能力的方法。并对我国失业问题进行了预测，取得了良好的预测结果。     

基于递阶对角神经网络的失业预测研究

本文通过构建递阶对角神经网络来建立失业失业模型并探讨失业规律，采用我国的宏观的经济数据进行了失业预测研究。结果表明将神经网络于社会经济方面的建模和预测有儿特的优势。