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神经网络模型，用于黄金价格的短期预测。 BP可以建立金价预测模型。 遗传算法优化了BP神经网络的权值和阈值，克服了BP算法容易陷入局部极小的缺点。 PCA可以有效简化网络输入变量并加快收敛速度。 结果表明，与GA-BP和BP相比，PCA-GA-BP神经网络模型的收敛速度更快，金价预测的预测精度更高。
2022-07-10 11:31:43
848KB
1
<html dir="ltr"><head><title></title></head><body>针对全连接BP 网络在解决大规模复杂问题时存在的收敛速度缓慢等问题, 提出一种功能分区的BP 网络结
构模式. 利用RBF 神经元的物理特性对输入样本空间进行分解, 并将分解后的样本送给不同的子BP 网络学习. 与
全连接BP 网络相比, 降低了网络在学习过程中的权值搜索空间, 提高了学习速度, 改善了网络泛化性能, 体现了人
脑在学习过程中的知识积累特征. 对三维墨西哥草帽函数逼近和双螺旋分类的实验结果表明, 该网络能够解决全连
接BP 网络不能有效解决的问题. </body></html>
构模式. 利用RBF 神经元的物理特性对输入样本空间进行分解, 并将分解后的样本送给不同的子BP 网络学习. 与
全连接BP 网络相比, 降低了网络在学习过程中的权值搜索空间, 提高了学习速度, 改善了网络泛化性能, 体现了人
脑在学习过程中的知识积累特征. 对三维墨西哥草帽函数逼近和双螺旋分类的实验结果表明, 该网络能够解决全连
接BP 网络不能有效解决的问题. </body></html>
2022-07-09 11:08:29
254KB
1
利用Matlab构造BP神经网络完成变压器故障诊断 样本数据：在油色谱分析领域中，基于油中溶气体类型与内部故障性质的对应关系，以油中5种特征气体为依据的判断变压器故障的方法。其特征量为H2，CH4，C2H4，C2H2，C2H6，如图3所示。在对变压器的故障识别时，变压器的故障类型选择为：无故障、中低温过热、高温过热、低能放电和高能放电。仿真数据如图：在Matlab中完成人工神经网络的创建、训练及最终的仿真，并给出仿真结果及训练误差曲线。完成如下：一、源代码如下：%训练数据P=[46.21 11.27 33.04 8.52
2022-07-06 09:09:55
186KB