期刊文献+

基于改进差分进化算法的RBF神经网络在股指预测中的应用 被引量:5

Application of RBF neural network based on improved differential evolution algorithm to stock index forecasting
下载PDF
导出
摘要 为了提高径向基函数(RBF)神经网络的预测性能,文章提出改进的差分进化算法(IDE),通过引入混合变异策略和局部算子来增强算法的收敛速率和局部搜索能力,用改进的差分进化算法对径向基函数神经网络的网络结构参数进行优化,建立了IDE-RBF神经网络股指预测模型,并以上证综指为例进行了实证分析。实证结果表明,IDE-RBF神经网络的预测效果明显优于其他预测模型。 To improve the forecasting performance of radial basis function (RBF) neural network ,an improved differential evolution (IDE) algorithm is proposed by introducing the hybrid‐mutation strate‐gy and the local operator ,w hich greatly enhance the convergence rate and the ability of local search of the algorithm .Then the IDE algorithm is used to optimize the parameters of the structure of the RBF neural network and an IDE‐RBF stock index forecasting model is built .Finally ,an empirical analysis is conducted by using Shanghai Composite Index .The empirical results show that the IDE‐RBF neural network performs better than other forecasting models .
作者 韩颖
出处 《合肥工业大学学报(自然科学版)》 CAS CSCD 北大核心 2014年第11期1397-1401,共5页 Journal of Hefei University of Technology:Natural Science
关键词 股指预测 改进差分进化算法 RB F神经网络 混合变异策略 局部算子 stock index forecasting improved differential evolution (IDE ) algorithm radical basis function(RBF) neural network hybrid-mutation strategy local operator
  • 相关文献

参考文献13

二级参考文献83

共引文献69

同被引文献51

引证文献5

二级引证文献25

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部