具有非线性耦合的分数阶神经网络的聚类同步

研究具有不确定参数和非线性耦合的分数阶神经网络的聚类同步控制。首先,采用投影技术将非线性耦合函数分解为振荡部分和线性部分,并借助不等式技术分别处理,以此消除非线性的耦合项对网络产生的不利影响。其次,为了节约成本,选择基于平均脉冲区间的牵引脉冲控制策略,并构造对整个网络通用的Lyapunov函数,给出分数阶神经网络实现聚类同步的充分条件。此外,还证明了结论对非线性耦合的整数阶神经网络的适用性。最后,通过数值仿真进一步验证了理论结果的有效性。

鲁棒最小二乘支持向量回归机

针对最小二乘支持向量回归机(LS-SVR)对异常值较敏感的问题,通过设置异常值所造成的损失上界,提出一种非凸的Ramp损失函数。该损失函数导致相应的优化问题的非凸性,利用凹凸过程(CCCP)将非凸优化问题转化为凸优化问题。给出Newton算法进行求解并分析了算法的计算复杂度。数据集测试的结果表明,与最小二乘支持向量回归机相比,该算法对异常值具有较强的鲁棒性,获得了更优的泛化能力,同时在运行时间上也具有明显优势。

最小二乘支持向量回归机在股指预测中的应用

最小二乘支持向量机作为支持向量机的扩展,将支持向量机求解二次规划问题转化线性方程组,具有结构简单、易于求解、待定参数少的特点,可大大加快建模速度。本文将最小二乘支持向量机模型应用于上证180指数和香港恒生指数收盘价的预测。实验结果表明,该模型具有学习速度快,预测精度较高的优点,适用于股指预测。

分段函数在分段点处的导数的求法

分段函数在分段点处的可导性是高等数学学习的一个难点。利用导数的定义是最常见的一种判断分段函数在分段点处可导性的方法。本文总结了分段函数在分段点处求导的3种方法,并通过例题予以说明。

关于递归神经网络的一个结果

本文论证了用梯度下降法训练递归神经网络过程中,有时权值会变得非常大,甚至无界.