基于BP神经网络模型的股票价格研究

本文将BP神经网络模型与主成分分析法和遗传算法相结合,建立了预测股票价格变化的动态PCA-GA-BP模型。该模型能改善BP神经网络模型运算速度缓慢和易陷入局部最小值的缺点,弥补传统股票价格预测方法的不足。     

基于神经网络的工程造价模型的建立

基于神经网络强大的非线性映射原理,提出了BP神经网络模型的工程造价预测模型,指出该预测模型可对线性和非线性关系的工程造价进行合理的预测,经过实例证明,该方法收敛速度快,预测的可靠性令人满意.     

改进BP神经网络在企业网络营销绩效评价中的应用

在研究网络营销本质及其绩效特征的基础上,建立企业网络营销绩效评价指标体系并采用BP神经网络建立评价模型。为了克服传统BP神经网络容易陷入局部极小、收敛速度慢的缺点,通过采用LM算法和学习速率的自适应调整来建立新型的BP神经网络,利用模糊综合评价法生成训练样本。该评价模型有效地利用了BP神经网络的优点,避免了评价过程的人为失误。仿真试验表明,该模型取得了较好的效果。     

广义回归神经网络的金融预测模型研究

本文针对BP网络存在着收敛速度慢和局部极小的问题,提出了一种基于广义回归神经网络方法的金融预测模型,该网络运用于汇率模拟与预测,以演示训练样本的构建、原始数据预处理、神经网络的创建训练和检测结果的评价整个过程.通过详细的仿真实验以及与BP神经网络的比较可得出以下结论:该方法不仅运算速度较快,且逼近性能及预测性能明显都优于传统BP神经网络.     

自组织FPNN在宏观经济预测中的应用

论文针对经济预测通常表现为复杂的非线性这种特性,提出了一种基于自组织过程神经元网络(FPNN)和改进的BP神经网络建立的经济预测模型方法。自组织过程神经元网络(FPNN)由输入层、竞争层和输出层组成。FPNN筛选出对因变量(网络输出)最有影响作用的变量(自变量)之后作为改进的BP算法网络的输入节点,再用进行学习。该模型不仅克服了时间序列预测模型只能进行线性预测的不足,而且还避免了传统神经网络的固有缺陷。以2001年到2004年国内生产总值作为预测分析样本,并对预测结果和实际值进行了比较分析,结果验证了该方法的有效性。     

基于MATLAB的股价预测模型实证分析

从技术分析的角度分析股票市场,采用BP神经网络对股票价格进行预测,提出了将股票市场的基础数据指标和技术指标相结合,作为神经网络输入的候选变量,筛选出影响股票价格涨跌的变量,从而建立起神经网络模型。最后用MATLAB编程手段对沃尔玛公司的交易资料进行实证分析。     

基于最速下降算法BP神经网络及应用探讨

BP神经网络广泛的应用函数逼近、模式识别、分类、数据压缩等领域。给出了BP神经网络的经典学习算法——最速下降算法,并证明了该算法具有收敛到极小值的特性。最后将基于最速下降算法的BP神经网络应用于入侵检测,取得了良好的效果。     

基于BP神经网络和相关系数结合的股票价格预测

股票价格预测一直是困扰投资者的难题,为了提高股票价格的预测精度,本文提出一种基于BP神经网络和相关系数结合的股票价格预测方法。从股票数据中选取10个影响股票价格的因素,计算它们与股票价格的相关系数,从中提取关键因素,利用BP神经网络预测未来股票价格。将此方法用于华谊兄弟(300027)预测股票收盘价,结果表明,相对于未提取关键因素的BP神经网络,此方法提高了股票价格的预测精度。     

浅析蚁群算法在优化前向神经网络中的作用

蚁群算法（ant colony algorithm，简称ACA）是一种最新提出的新型的寻优策略，文章尝试将蚁群算法用于三层前向神经网络的训练过程，建立了相应的优化模型，进行了实际的编程计算，并与加动量项的BP算法、演化算法以及模拟退火算法进行比较，结果表明该方法具有更好的全局收敛性，以及对初值的不敏感性等特点。     

灰色神经网络在股价预测中的应用

本文在深入了解股价的可预测性和研究各种股价预测的方法的基础上,探讨利用BP神经网络和灰色模型进行股价预测。以二者为基础,将BP神经网络和灰色模型预测模型的优点结合,提出灰色神经网络模型。该模型将灰色模型的预测值作为BP神经网络的输入变量,而以实际值作为输出变量对神经网络进行训练。     

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。     

基于自适应蚁群算法的车辆路径问题研究

车辆路径问题是一个NP-hard问题,传统的方法对其进行有效求解,本文分析了蚁群算法在VRP问题中的可行性,并提出了自适应策略对传统的蚁群算法进行改进,该策略可以根据不同搜索阶段调整参数提高算法的收敛速度。最后,通过芜湖市的数据对该方法进行检验,实验结果显示,本文提出的自适应蚁群算法的性能优于传统的蚁群算法。     

基于小波神经网络的股票价格预测

股票价格是一个与政治,经济等多因素有关的非线性建模问题。本文利用小波神经网络在非线性建模中的收敛迅速等优越性,提出利用小波神经网络预测股票价格的方法。仿真表明该方法可行,预测精度高。     

基于粒子群算法优化的神经网络在入侵检测中的应用

利用粒子群算法对入侵检测神经网络模型进行优化。仿真结果表明,与BP神经网络和GA神经网络相比较,具有较强的逼近和容错能力、较快的收敛速度和较好的检测效果。     

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。     

基于灰色LM-BP神经网络对第三产业综合指数的预测

第三产业发展趋势的预测对于国家或地方政府制定宏观政策有着重要的意义。为更加准确地进行第三产业的预测,从多角度选取指标,利用信息墒理论合成综合指标,建立灰色LM-BP神经网络对其进行预测,实证分析灰色LM-BP神经网络比单一的灰色预测模型和传统BP神经网络预测模型拟合和预测能力要好,说明了模型适应成都第三产业发展趋势的预测。     

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BP网络学习算法的英文字符识别

介绍了BP神经网络的基本原理,指出了BP算法收敛速度慢、易陷入局部及小值等缺陷,在标准BP算法的基础上引入了几种优化BP算法的方法。针对模式识别应用领域,通过实例,运用Matlab编程对各种较好的网络学习算法的性能进行比较,给出了一个三层BP网络识别含噪声的字母的实例。实验结果表明,改进的BP算法有效地提高了BP算法的收敛速度。     

基于神经网络的通货膨胀预测模型研究

本文采用神经网络的方法,利用消费者物价指数、工业增加值和货币供给等数据,分别以BP神经网络、RBF神经网络和Elman神经网络建立通货膨胀预测模型.三个模型预测结果表明,采用神经网络方法建立的模型能够较好地预测通货膨胀的变动.通过比较BP神经网络和Elman神经网络预测结果可以看出,带有反馈机制的神经网络模型预测性能优于一般神经网络模型.     

基于BP的CRM系统销售预测的数据挖掘

提出了一种基于改进BP神经网络的销售预测模型.该模型通过数据仓库获取销售历史数据,利用BP网络进行走势预测.系统采用VC++实现,取得成功.