论文研究-季节性预测的组合灰色神经网络模型研究.pdf, 对于季节性时间序列具有增长性和波动性的二重趋势性 ,本文提出了季节性预测的组合灰色神经网络模型 ,研究了同时考虑两种 (非线性 )趋势的复杂
引入BP神经网络算法对产品成本进行预测,建立了产品成本预测模型。针对神经网络参数优化容易陷入局部最优解的缺陷,结合差异演化算法,提出了DE-BP神经网络预测模型。实验表明,该算法具有较高的预测精度,能
将粗集方法作为BP神经网络的前端处理器,通过对煤与瓦斯系统属性特征的提取和影响因素的约简,较好解决了预测输入特征的“维数灾”问题,构建了粗集与神经网络相结合的煤与瓦斯突出预测模型。仿真实验表明,验证了
借鉴免疫算法基于浓度和适应度的抗体更新策略,提出一种改进微粒群局部搜索能力的免疫微粒群算法,并对其进行收敛性分析。该算法在满足收敛性的条件下,根据微粒浓度和适应度动态调整加速因子,保证了群的多样性和持
深度神经网络中过多的参数使得自身成为高度计算密集型和内存密集型的模型,这使得深度神经网络的应用不能轻易地移植到嵌入或移动设备上以解决特殊环境下的实际需求。为了解决该问题,提出了基于网络删减、参数共享两
针对传统图像复原方法对先验知识的依赖性问题,提出一种基于混合神经网络的图像复原方法。混合神经网络由卷积神经网络(ConvolutionalNeuralNetwork)与BP神经网络组成。首先,通过训练
论文研究-基于T-S模型的模糊神经网络在股市预测中的应用.pdf, 采用基于T-S模型的模糊神经网络,用改进的遗传算法来训
随着网络规模的增长,Overlay网络流量预测已经日渐成为研究热点。与传统网络相比,Overlay网络本身的特性决定了传统的预测方法已不能适应它的要求。提出一种基于模拟退火的粒子群神经网络来预测Ove
针对现有空气质量预测方法精度偏低、对噪声敏感等问题,提出一种基于堆栈降噪自编码(StackedDenoisingAuto-Encoders,SDAE)模型的空气质量等级预测方法。首先以武汉市历史空气质
基于RBF神经网络的水体富营养化预测,张艳,杨斌,采用RBF神经网络建模,对西湖水体富营养化状况进行预测。结果表明,RBF神经网路具有较好的泛化能力,预测精度高,相比于其它神经网
