排序方式: 共有3条查询结果,搜索用时 15 毫秒
1
1.
神经网络集成技术能有效地提高神经网络的预测精度和泛化能力,已经成为机器学习和神经计算领域的一个研究热点.利用Bagging技术和不同的神经网络算法生成集成个体,并用偏最小二乘回归方法从中提取集成因子,再利用贝叶斯正则化神经网络对其集成,以此建立上证指数预测模型.通过上证指数开、收盘价进行实例分析,计算结果表明该方法预测精度高、稳定性好. 相似文献
2.
利用重合度理论和不等式分析技巧,获得了一类具有偏差变元的高阶中立型Lienard方程(x(t)-cx(t-δ))~((m))+f(x(t))x′(t)+β(t)g(x(t-T(t)))=p(t)周期解存在性的新充分条件,推广和改进了已有文献的相关结论. 相似文献
3.
为有效提高神经网络集成的泛化能力,先利用量子粒子群和主成分分析提高集成个体的泛化能力,再利用泛化能力强的支持向量机回归集成生成输出结论,建立一个基于支持向量机的粒子群神经网络集成股市预测模型.试验表明,该模型能有效提高神经网络集成系统的泛化能力,预测精度高,稳定性好. 相似文献
1