黄金价格受多种因素影响,具有高度的非线性和随机特征。一些传统的预测方法过分强调线性关系,而另一些则忽略了价格随机性。预测误差相对较大。因此,提出了一种基于主成分分析(PCA)和遗传算法(GA)的BP神
为更好解决网络流量预测问题,依据函数逼近论中分式的函数逼近性质和拟合能力要远远大于线性函数的性质,以及过程神经元网络对时变函数的非线性变换能力,提出一种分式过程神经元网络模型及其学习算法。实验结果证明
本文就此提出了一种基于神经网络的对跳频信号频率进行预测的新方法。该方法利用了神经网络的非线性映射能力,能够较好地对目标进行预测。
针对已有数据集的三种预测方法:时间序列分析,灰色预测模型和神经网络。时间序列是按时间和数值成序列的动态数据,具体分析可以采用季节分解、指数平滑和ARIMA模型。灰色预测模型则是基于样本数据对未知样本值
网络流量预测对于网络的安全和可用性至关重要,但是,传统的网络流量预测方法使用平均时间加权的方法进行预测,缺泛化能力导致预测精度低。基于每一个网络流量历史数据到预测点的时间间隔计算其时间权重,使用带时间
基于时间序列的网络流量分析与预测,何建,,随着计算机网络的迅速发展,目前的网络规模越来越庞大和复杂,相应面临对网络有效管理的要求就越来越高。本文通过对CERNET(ChinaEduca
针对传统混沌支持向量机参数寻优算法的不足,提出了一种改进的粒子群IPSO算法。该算法通过延长迭代的开始阶段和最后阶段的搜索时间,实现了算法的全局搜索与局部搜索能力之间的平衡,进而优化模型参数,建立了基
基于主成分分析(PCA)和反向传播神经网络,建立库存预测模型,以云南白药(000538)为例,从库存技术分析中选择29个指标,降维后输入神经网络。通过对不同参数数据实验中均方误差(MSE)和均方绝对误
一种基于人工神经网络的传感器网络LEACH协议改进,宋杰,,LEACH作为一种经典分簇路由协议,是国际上研究重点之一。本文在分析了无线传感器网络LEACH协议的基础上,从数据融合的角度出发,在��
Kaggle|网络流量预测