分享到:

股票智能预测决策研究及应用

本文针对股票市场这一非线性系统进行了智能预测、决策分析的理论和方法研究,得出了一些有用的结论,解决了一些问题;同时结合上述理论的应用,对已有的股票分析系统,给出了改进意见和设计框架,无论从理论方面还是应用方面都是有价值的:1.根据模糊集与随机集之间的关系——随机集上的落影函数等价于模糊集上的隶属函数;从而,转化模糊集隶属函数的计算为随机集落影函数的求取。按照随机集落影函数的物理含义,推出单因素、多因素落影预测的估计公式。给出模糊集值统计下落影函数的最优无偏估计定义,为在线修改模糊规则给出理论基础。2.股票的筛选问题一直是一个非常令人烦恼的问题,通过模糊数学理论,作者给出了一种非常有效的股票筛选方法,可以结合多种股票属性进行综合评判,从而选择出最适合投资者投资的股票。3.基于股票的K线运行形态,充分结合已有的股票技术分析和人工智能方法,设计了混合认知和模糊预测系统,预测结果表明,对股票在一定时期内的多步预测问题,该种模型具有极高的  (本文共115页) 本文目录 | 阅读全文>>

《模糊系统与数学》1998年04期
模糊系统与数学

一种基于神经元的自适应模糊推理网络

51引言目前模糊神经网络在系统辨识与控制中已有广泛研究和应用['-'j。文[4」基于T-S模糊模型构造了一种CMAC模糊神经网络,可通过BP算法学习后件参数。它保留了CMAC的学习机制,每次仅修改少数与被激活神经元相连接的权值,因此,它有较快的学习速度。但是,在通常情况下复杂大线性系统的输人输出样本在其各自论域中并非均匀分.布的,当网络训练结束后,必然会有部分连接权值始终得不到修正,从而降低了该模糊神经网络的泛化能力。所以它只适用于那些训练样本可以自由设计的函数逼近问题。文献[5」基于T-S模糊模型,利用一种混合型的Pi-Sigma神经网络,提出了一种具有自适应能力的模糊建模方法,它能自动修正模糊规则,同时也可以修正输人变量各模糊子集的隶属函数,使模糊建模更趋合理性。然而,它在模糊推理中采用的是max-min算子,对隶属函数的修正不能直接根据指标梯度的链导关系确定修正量,而是采用搜索寻优的方法确定对某个输人变量的隶属函数进行修正...  (本文共8页) 阅读全文>>

《湖南文理学院学报(自然科学版)》2018年02期
湖南文理学院学报(自然科学版)

神经网络与模糊逻辑在火灾探测报警系统中的应用

火灾发展是一个复杂多变的过程,采用传统火灾探测报警技术无法解决火灾探测报警系统对准确度和灵敏度矛盾性的要求[1–2]。神经网络有较强的自学习和容错能力[3],而模糊逻辑具有较强处理随机多变信号的能力,自Y.Okayama和S.Nakanishi分别把神经网络和模糊逻辑应用到火灾探测报警系统中后,火灾探测报警系统性能得到了飞跃式地提升[4–5]。在神经网络与模糊逻辑组合应用于火灾探测报警系统的研究中,李小亚[6]、胡祝格[7]、夏文智[8]等选用并联模型,徐晓辉[9]、何南南[10]、王丽萍[11]、蔡嘉成[12]等选用串联模型,张晶[13]选用并联串联复合模型,其中并联结构选用专家系统和神经网络,然后将2种模型结合在串联模糊逻辑中。张响亮[14]将模糊逻辑应用于神经网络结构中,破坏了神经网络结构的自学习能力,且这种模型不容易通过编程实现。本文在赵望达等[15]创建的基于神经网络的火灾探测模型基础上,拟将模糊逻辑和神经网络同时应用...  (本文共6页) 阅读全文>>

《阜新矿业学院学报(自然科学版)》1950年30期
阜新矿业学院学报(自然科学版)

基于神经网络的模糊推理预测方法

基于神经网络的模糊推理预测方法孙树江,郭嗣琮(阜新矿业学院学报编辑部123000)(机器智能与控制研究所)摘要将模糊推理技术与神经网络结合.利用模糊集理论来处理输入、输出信息,借助神经网络系统来完成推理、判断与知识的记忆存储及学习.从而给出了基于神经网络的模糊推理预测模型。关键词模糊推理,神经网络,预测模型,BP网络,信息处理中图号TP206.3;TP291;O1590引言目前,模糊推理技术已被广泛应用于各种专家系统的推理机研制中。有人认为,模糊数学与模糊推理技术使专家系统进入了第二代,尤其是与神经网络相结合的模糊推理技术研究,已成为人工智能领域中一个很活跃的课题。最近几年,人工神经网络的研究在世界范围内受到极大关注,并在许多领域中得到应用。把神经网络技术应用于采场火灾判别与预测中,不仅仅扩展了判别与预测的数学手段,增强了计算机处理问题的智能化,而最根本的问题是,采场复杂系统的特殊性现实决定其灾害分析决策中必须找到一种模拟人的思...  (本文共6页) 阅读全文>>

《舰船电子工程》2018年09期
舰船电子工程

基于双神经网络通道的时间序列预测框架

1引言时间序列是按照时间顺序采样得到的一系列有序数据,它描述了某个变量随着时间的推移而变化的规律。近年来,时间序列预测在金融[1~2]、交通[3]和能源[4]等多个领域都得到了广泛的应用。时间序列预测方法主要分为两类,一类是传统的基于数学建模的预测方法,如经典的自回归积分滑动平均(Auto Regressive Integrated Moving Average,ARI-MA)模型[5]。另一类是基于机器学习的时间序列预测方法。传统时间序列方法根据时间序列直接建模,模型较为简单易用。在实际应用中,由于时间序列具有不规则、混沌等非线性特征,很难对其建立理想的模型来进行预测。机器学习方法的输入不限于单一的时间序列输入,而是可以根据具体应用场景,选取可能影响预测值的特征。因此,基于机器学习的时间序列预测方法往往能取得更高的预测精度。神经网络作为一种常见的机器学习工具,具有自组织、自学习以及强大的非线性逼近能力,将它用于时间序列预测时,...  (本文共6页) 阅读全文>>

《重庆大学学报(自然科学版)》1960年40期
重庆大学学报(自然科学版)

一种神经网络模糊推理协作系统

一种神经网络模糊推理协作系统周小佳,张安邦,周家启(重庆大学电气工程系,重庆,630044,第一作者27岁,男,博士生)摘要基于专家系统的模糊推理原理,利用PCBP(FuzzyCalculatingBP)网络较强的学习功能,对输入样本较小的敏感性能,收敛速度较快等特性以及MFART(ModifiedFuzzyART)网络很好的分类特性,对模糊量良好的适应性能等特性,建立了一种新型的神经网络模糊推理系统NNFIS(NeuralNetworkFuzzyInferenceSystem),并制作了实施软件。关键词专家系统,模糊推理,神经网络TheSoftwareImplementationofNeuralNetworkFuzzyInferenceCooperationSystem¥ZouXiaojia;ZangAnbang;ZouJiaqiAbstract:ThispopersetsupanewNeuralNetworkFuzzyinf...  (本文共5页) 阅读全文>>