基于神经网络的证券市场预测

利用BP网络很强的非线性映射功能 ,建立影响股票相关因素与股票开盘价、收盘价之间的关系 ,综合传统预测和滚动预测方法 ,建立了一个预测股票走势的模型 ,并用 2 0 0

神经网络在预测编码中的应用

讨论如何有效地利用backpropagation(BP)神经网络进行预测编码。改进的BP算法可以提高BP神经网络地收敛速度、泛化能力和稳定性。一般而言 ,四层网络比三层网络具有更快地学习速度 ;二阶网络比一阶网络性能更优越。利用MATLAB程序 ,构造三层、四层和二阶BP神经网络进行预测编码。测试结果表明 ,利用规模足够大的三层BP网络进行预测编码可以取得较好效果 ;

基于二阶BP神经网络的旋转机械故障的智能诊断

针对旋转机械故障的智能诊断问题,提出了结合二阶BP神经网络和模糊网络的集成诊断方法。系统由信号处理子系统和故障诊断子系统两大部分组成。信号子系统负责信号的提取和预处理,诊断子系统则是诊断的核心,不同信号送入不同子神经网络进行诊断,结果通过决策神经网络进行数据融合,做出最后的诊断。该系统具有知识自动获取、识别速度快、鲁棒性及容错能力强等特点。实例证明该系统是有效的。

利用ART1网络进行故障诊断的方法研究

此文系统地阐述了自适应共振理论及 ART1神经网络模型的基本概念、特点、结构和算法。在对故障诊断进行理论分析的基础上 ,结合 ART1神经网络对输入的要求 ,提出了一种阈值法结合 ART1神经网络进行故障诊断的方法 ,并对此方法进行了理论分析和仿真实验。

基于自组织特征映射神经网络的图像压缩

简要介绍了基于自组织特征映射（SOFM）神经网络的图像压缩的传统算法。通过对传统方法的优缺点分析，提出了一种新的简单的矢量量化压缩方法。新算法采用分类码书设计和残留编码，大大提高了图像的客观指标和主观视觉效果。实验表明此方法明显优于传统的SOFM算法，而且易于硬件实现。