基于PSO-BP算法的投资者年龄预测研究

标准的BP神经网络算法在训练过程中没有具体和明确的理论指导,容易陷入局部极小值以及泛化能力与训练的矛盾等问题,因此提出粒子群(PSO)算法改进BP神经网络模型,选择资产、收入、债务、经济需求、时间观念五个输入变量预测普通投资者的年龄,并与标准的BP算法比较分析。实验结果表明:PSO-BP算法比标准的BP算法在评价指标上具有更低的平均绝对误差MSE、均方误差MAE、均方根误差RMSE以及平均绝对百分比误差MAPE,PSO-BP算法能够更精确地预测到普通投资者的年龄值,具有更小的误差值,这对投资者的投资导向研究具有一定的参考价值。

基于RBF神经网络的肠道细菌宿主年龄预测研究

径向基函数(RBF)神经网络,具有收敛速度快、局部逼近精度高和一定的鲁棒性等优点,广泛运用于非线性函数逼近、数据预测和数据分类等问题。基于RBF神经网络的特点,以肠道细菌宿主的16个指标作为自变量,对宿主个体的年龄进行预测以及误差值分析。结果表明:RBF神经网络下宿主个体的年龄预测在训练集和测试集上均表现出较好的均方误差MSE、均方根误差RMSE、平均绝对百分比误差MAPE以及相关系数R^(2)四个评价指标。测试集年龄的预测值非常接近实际值,两者间的误差值较小,预测精度较高,具有很好的预测能力。这为研究肠道细菌宿主的身体健康提供咨询指导,具有一定的理论研究意义与应用价值。