用前馈神经网络检验小数据量时间序列的混沌

利用BP神经网络的非线性函数逼近能力,对小数据,有噪声的时间序列计算最大李亚谱诺夫指数,从而判断该序列是否存在混沌现象,并将这一算法应用到深圳证券市场的深证综合的日收益率序列中,结果表明,深证综合的日收益序列不存在混沌现象。

用前馈神经网络对软件理解中函数调用序列的混沌识别

对有噪声小数据量时间序列的混沌识别,是目前国内外许多应用领域研究的热点与难点。利用BP神经网络的非线性函数逼近能力,对小数据有噪声的时间序列计算最大李亚谱诺夫指数,可判断该序列是否存在混沌现象。本文首创将这一算法经转换应用到软件逆向工程过程的分析中,结果表明,软件逆向工程过程分析中出现的函数(或类)调用序列有些存在、有些不存在混沌现象,这为理解软件系统构建高层结构和抽取重用信息而开发新方法与新技术找到了理论依据。