-
题名权值直解的多项式神经网络及其解释能力设计
被引量:1
- 1
-
-
作者
沈巍
李秋实
宋玉坤
-
机构
华北电力大学经济与管理学院
-
出处
《系统仿真学报》
CAS
CSCD
北大核心
2015年第3期559-570,共12页
-
基金
北京市自然科学基金(9132011)
-
文摘
设计并系统研究了广义多元多项式神经网络,单隐层广义多元多项式神经网络,证明存在最优权值向量使该网络成为未知函数的最佳逼近多项式;创造性地建立了隐层节点的自然次序上限和下限,以及重要值等概念,并引入了偏导数分析,解决了神经网络不具备解释能力的弊病。设计了权值直接解法,证明该解法所得的权值向量是迭代法逼近的最优权值向量。设计了基于Matlab的图形用户界面。通过该程序,用户可通过炒股软件更新股票数据,读取特定股票、特定容量的数据,进行不同模型下指定日期的预测。
-
关键词
广义多项式神经网络
权值直接解法
重要值
股指预测
-
Keywords
generalized multivariate polynomial neural network
weights-direct-determination
importance value
stock index forecasting
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-