基于Lyapunov指数与神经网络融合的预测模型研究

该多元回归预测模型基于BP神经网络，可应用于多输出数据的回归预测，并可通过对数据样本进行训练提高预测精度。该模型的参数设置和训练方法详细介绍了BP神经网络的基本原理和应用。同时，该模型可用于多个领域的

从影响煤矿瓦斯安全因素的非线性特征出发,将模糊系统和人工神经网络有机结合,建立基于模糊神经网络的瓦斯安全状况预测模型。文章分析了模糊神经网络的结构、模糊神经元及其学习算法,介绍了煤矿瓦斯安全决策的模糊

文章对高速公路的工程特征进行全面的分析和筛选,确定了7个对公路工程造价影响较大的工程特征,使其作为神经网络预测模型的输入向量,随之构建了基于BP神经网络的高速公路工程造价预测模型,最后结合MATLAB

研究了BP神经网络的原理和方法,收集了全国100多对矿井的实测初始释放瓦斯膨胀能资料,获得20组可靠数据,选取煤的破坏类型、煤层的相对瓦斯压力、煤的坚固性系数、瓦斯放散初速度4个单项指标为BP神经网络

使用人工神经网络构建一个用于股市预测的高低点周期预测模型,该模型较好地刻画了股票市场运行的特点

在分析了互联网传输时延的组成和特性后，提出了采用AR模型和自适应线性神经网络模型预测不确定性的互联网传输时延的方法。仿真结果证明AR模型和自适应线性神经网络模型提供了两种有前途的互联网时延预测方法，相

针对时间序列问题，提出了一个变窗口神经网络集成预测模型。利用自相关分析方法挖掘时间序列本身蕴涵的变化特性，并利用这些变化特性构造差异度较大的个体神经网络。变窗口集成预测模型在应用于时间序列预测的同时，

【项目资源】：涵盖各种技术项目的源码，包括前端、后端、移动开发、操作系统、人工智能、物联网等领域。提供STM32、ESP8266、PHP、QT、Linux、iOS、C++、Java、python、we

论文研究-基于人工神经网络的投资预测.pdf, 叙述了神经网络的基本原理，建立了工程投资人工神经网络预测模型，编制了人工智能估价系统软件，并结合实例做了分析.

地震属性的优选是提高地震储层预测精度的必要手段,传统的BP(Back Propagation)神经网络算法存在收敛速度慢和易陷入局部极小值点的问题。而BFO(Bacterial Foraging Op