基于神经网络对房价预测的研究

如今房地产市场容易出现暴涨暴跌的情况,很多大城市的房价已经达到了普通人不能接受的程度,如何高效地解决房地产的问题,一个较好的方案是准确地预测出未来的房地产市场行情。本文利用神经网络来预测房价的走势,优势在于神经网络类似于人脑的结构,具有仿生的特点,能够拟合出复杂的模型结构,对房价预测的任务会有比较好的效果。房价预测模型可以有效地解决当今房地产市场所存在的一些问题,帮助人们理性的投资,切实地解决人们买房难的问题,创造更加和谐美满的社会。     

基于神经网络模型的股票买卖时机探索

一、神经网络模型的建立 生物的神经系统有非常复杂、精密的结构,这种结构本身具有内在的相关性和复杂性,人们通过模拟这一特性建立一种非线性的动态的网络模型即神经网络模型.神经网络模型具有近似任意非线性映射(变换)的能力,同时具有高度的并行实现能力及学习能力,因此,可以分析和处理一些十分复杂的实际问题.股票价格的变化受很多因素影响,是一种具有高度的非线性的、复杂的非牛顿动力学动态过程,具有显著的非线性特征.因此,可以用神经网络来预测股票价格的走势,从而确定最佳的买卖时机,提高投资的准确性.     

蛋白质结构的预测相关问题探索

目前,许多方法在化学生物信息处理中的应用,建立了一系列的化学生物信息处理新技术引起广大学者的重视.本文主要探索了蛋白质结构的预测相关问题研究进展,包括蛋白质二级结构的预测、蛋白质结构类的预测以及蛋白质家族模体的预测,对于深入蛋白质分析化学研究具有一定作用.     

基于BP神经网络的重庆市外贸出口预测研究

出口贸易系统受到国内国际诸多因素的影响,是一个演变的非线性复杂系统,而神经网络因其强大的非线性映射能力,特别适合于解决非线性的预测决策问题。本文从重庆市外贸出口的实际背景出发,采用三层BP神经网络进行实证预测,预测结果表明本文建立的模型具有较高的预测精度,可以作为相关部门制定出口贸易发展目标的参考依据。     

基于遗传算法优化混沌神经网络的股票指数预测

为提高BP神经网络预测模型对混沌时间序列的预测准确性,提出一种基于遗传算法优化BP神经网络的改进混沌时间序列预测方法。本文采用时间序列输入输出参数数量构造BP神经网络拓扑结构,利用遗传算法优化BP神经网络的权值和阈值,然后训练BP神经网络预测模型求得最优解,将该预测方法应用到上证综合指数的时间序列进行有效性验证,结果表明了该方法对上证综合指数具有更好的非线性拟合能力和更高的预测准确性。     

基于Elman神经网络的江苏技术人才需求预测

Elman神经网络是一种典型的动态回归神经网络,它具有适应时变性的能力。以江苏省技术人才系统为例,说明了Elman神经网络在人才需求预测中的应用,并将其预测结果与基于BP静态神经网络的预测值进行了比较。指出了Elman神经网络在对人才系统这样的动态系统进行预测时优越性。     

遗传神经网络在电信业务收入预测中的应用研究

误差反向传播神经网络(BPNN)由于优越的非线性数据处理性能以及较强的学习能力而被广泛地运用于电信业务的预测当中。然而,神经网络常常存在着收敛于局部最优解、学习时间长等缺陷而影响其预测效果,而遗传算法(GA)是一种全局寻优搜索算法,能够有效克服上述缺陷。本文针对影响电信业务收入的主要因素,将BP神经网络与遗传算法有机结合起来,建立了相应的遗传神经网络模型用于电信业务收入预测,并利用实际数据进行效果验证。实验表明,该预测模型具有很强的学习能力和自适应性,其预测结果优于BP神经网络模型,而且具有良好的泛化性。     

三种神经网络对上证指数预测的研究

对金融时间序列的预测在投资决策以及风险规避中具有重要的意义,其中的股票市场走势预测始终是金融市场预测领域的热点和难点。本文通过对BP神经网络、径向基神经网络和小波神经网络的预测效果进行比较,发现BP神经网络在上证指数预测中具有较高的准确性。     

我国居民消费价格指数的混沌特性分析及预测研究

根据我国居民消费价格指数的非线性特征,建立了基于混沌理论的消费者价格指数神经网络模型,同时运用所建模型对我国居民消费价格指数进行估计和预测。计算结果表明,该模型能够很好地解决居民消费价格指数估计和预测这一问题,预测精度较传统的方法要高,具有一定的应用价值。     

供应链需求预测中的神经网络预测技术应用分析

本文认为,解决供应链上游企业准确理解下游企业所提供的订货信息,进行科学的市场需求预测是供应链管理中具有战略性和规划性决策的问题。基于市场准确预测的协作计划预测和补货技术(CPFR技术)能及时准确地预测由各项促销措施或异常变化带来的销售高峰波动,从而使销售商和供应商做好准备,赢得主动。而构筑基于CPFR技术的供应链需要良好的预测方法和技术以及信息系统的支撑。文章指出,基于误差反传算法的神经网络(BP神经网络)作为一种对复杂经济现象进行分析和预测的有效工具,在有大量数据和长期学习过程的情况下,能发挥出更大的优势和性能,加之其具备自学习和自适应能力,能适时调整流程企业产品销售的信息误差,对供应链的决策系统起到精确的辅助作用。文章建立的基于协作计划预测和补货(CPFR)数据库的供应链需求预测支持系统的流程框架,以及在此基础上提出的基于BP神经网络的供应链需求预测模型,可以提高预测精度,有效避免评价过程中的人为失误,取得令人满意的预测结果。     

基于小波网络的非线性预测应用研究

将小波神经网络作为非线性时间序列的辨识模型 ,通过对过去样本的学习 ,调整网络的权值 ,然后预测和推断未来序列 ,以证券市场为例仿真结果表明 ,小波神经网络具有优良的泛化能力和预测功能。     

基于支持向量回归算法的RBF神经网络

支持向量机是由Vapnik等人提出的一种基于统计学习理论的新型机器学习算法,该技术已成为当前国际机器学习界的研究热点,并广泛用于解决分类和回归问题。本文给出了基于支持向量回归算法的RBF神经网络,实验结果表明,基于支持向量回归算法的RBF神经网络的泛化能力强、对样本的依赖程度低,它比基于RBF神经网络的建模方法具有更好的推广能力。     

蚁群神经网络用于股票价格短期预测

股票价格是非线性时间序列,传统BP神经网络预测模型存在容易陷入局部极小和收敛速度慢的缺陷。本文针对这些问题,采用蚁群神经网络预测模型用于预测股票价格,该模型将蚁群算法作为训练神经网络的学习算法。实验数据表明,该模型对于股票价格的短期预测效果与传统BP神经网络预测模型相比,具有较好的自适应性及较快的收敛速度。     

小生境遗传算法优化的神经网络在股票价格预测中的应用

股票价格是受多种不确定因素影响的非线性问题。文中将小生境遗传算法用于BP神经网络的训练过程,建立了相应的优化模型,即用它来优化神经网络的连接权。依据小生境遗传算法的神经网络,提出一种股票预测的新方法。实践表明:该方法具有预测精度高、误差小的优点,值得推广。     

基于神经网络模型的股票买卖时机探索

一、神经网络模型的建立生物的神经系统有非常复杂、精密的结构,这种结构本身具有内在的相关性和复杂性,人们通过模拟这一特性建立一种非线性的动态的网络模型即神经网络模型。神经网络模型具有近似任意非线性映射(变换)的能力,同时具有高度的并行实现能力及学习能力,因此,可以     

BP神经网络在贸易引致环境损害预测中的应用研究

贸易增长与环境损害之间的关系是多纬度、错综复杂的,又受到贸易政策、环境政策的影响,使得准确预测贸易引致的环境损害相当困难。在分析贸易与环境问题现状的基础上尝试运用BP神经网络模型从宏观上建立贸易增长与环境损害预测模型,采用MATLAB中神经网络工具箱实现多层前馈BP网络,结果证明所提出的方法成功的将神经网络模型引入贸易与环境问题定量预测研究中,并且得到预期误差范围内的预测结果。神经网络模型应用于中国贸易与环境污染预测的结果表明,该模型具有所需样本少,预测精度较高等优点,为研究贸易引致的环境污染预测提供了新途径。     

基于BP神经网络模型的沪深300指数预测

采用BP神经网络模型,利用MATLAB软件,通过沪深300指数2011年1月4日到2012年3月30日的开盘价、收盘价、最高价、最低价四组数据建立三层的BP神经网络模型,用前290天的数据对模型进行学习和训练,然后用后12天的数据对模型进行检测,最后对2012年3月15日的开盘价进行短期预测。结果表明,BP神经网络模型具有良好的泛化能力,在沪深300指数的预测方面有很好的预测能力,有很强的现实意义。     

碳水化合物结合结构域及其应用

碳水化合物结合结构域(Carbohydrate binding module),简称CBM。其是一种具有独立折叠结构的蛋白质。主要功能是特异性结合多糖(尤其不溶性多糖),并能通过4种机制来提高碳水化合物活性酶类的催化效率。其在生物工艺、环境的生物疗法、分析诊断工具及改善多糖水解酶酶特性上均具有广泛的应用。     

关于磁流变阻尼器神经网络模型的设计分析

神经网络在控制领域受到重视主要归功于它的非线性映射能力、自学习适应能力、联想记忆能力、并行信息处理方式及其优良的容错性能。这些特．占、使得神经网络非常适合于复杂系统的建模和控制,特别是当系统存在不确定因素时,更体现了神经网络方法的优越性。考虑到建筑结构的不确定性和非线性,该文提出了基于神经网络的结构系统辨识方法,构造了具有一个隐含层的神经网络,用误差反向的传播算法训练,模拟了一个多层结构在地震作用下的动力响应特性。计算机仿真表明了该神经网络辨识结构的有效性。     

灰色神经网络的建模原理及应用

所谓灰色神经网络就是将灰色系统方法与神经网络方法有机地结合起来,对复杂的不确定性问题进行求解所建立的模型。本文将灰色预测与神经网络预测方法相结合,提出了预测宏观经济指标的新方法,实例表明此种组合模型的精度较高。给出了一般灰色神经网络模型GNNM(1,1),该模型具有灰色系统的少数据建模优点及神经网络的精度可控特性,并给出了相应的学习算法,然后通过示例说明模型的可行性。