陕西科技大学学报（自然科学版）
陝西科技大學學報（自然科學版）
협서과기대학학보（자연과학판）
JOURNAL OF SHAANXI UNIVERSITY OF SCIENCE & TECHNOLOGY
2011年
6期
117-120
,共4页
支持向量机%神经网络%梯度下降法%预测
支持嚮量機%神經網絡%梯度下降法%預測
지지향량궤%신경망락%제도하강법%예측
研究了径向基函数神经网络(RBFNN)的优化问题,利用最小二乘支持向量回归(LSSVM)方法获取了网络的隐层节点数目、网络中心以及网络权值,从而构造出RBF神经网络较优的初始结构和网络参数,最后再用梯度下降法调节网络参数.将改进后的网络算法应用 于个股股价的预测上,能够精确地预测个股股价.
研究瞭徑嚮基函數神經網絡(RBFNN)的優化問題,利用最小二乘支持嚮量迴歸(LSSVM)方法穫取瞭網絡的隱層節點數目、網絡中心以及網絡權值,從而構造齣RBF神經網絡較優的初始結構和網絡參數,最後再用梯度下降法調節網絡參數.將改進後的網絡算法應用 于箇股股價的預測上,能夠精確地預測箇股股價.
연구료경향기함수신경망락(RBFNN)적우화문제,이용최소이승지지향량회귀(LSSVM)방법획취료망락적은층절점수목、망락중심이급망락권치,종이구조출RBF신경망락교우적초시결구화망락삼수,최후재용제도하강법조절망락삼수.장개진후적망락산법응용 우개고고개적예측상,능구정학지예측개고고개.
