Elman神經(jīng)網(wǎng)絡(luò)的應(yīng)用研究.pdf

1、本文介紹了人工神經(jīng)網(wǎng)絡(luò)的一些基礎(chǔ)知識(shí)，而且詳細(xì)地介紹了兩種具有動(dòng)態(tài)反饋機(jī)制的人工神經(jīng)網(wǎng)絡(luò)模型，Elman網(wǎng)絡(luò)和輸出-輸入反饋Elman網(wǎng)絡(luò)，即OIF Elman(Output-Input Feedback Elman)網(wǎng)絡(luò)，以及它們的數(shù)學(xué)模型和學(xué)習(xí)算法。 考慮到股民投資的主要目的是盈利。為了提高網(wǎng)絡(luò)的預(yù)測(cè)精度，得到更加精確的預(yù)測(cè)結(jié)果，從而獲得更多的利潤(rùn)，本文在Elman人工神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上，將時(shí)間收益因素引入到Elman網(wǎng)絡(luò)的目

2、標(biāo)函數(shù)中，提出了一種改進(jìn)的Elman神經(jīng)網(wǎng)絡(luò)模型-TPFENN(Time Profit Factor Elman Neural Network)，并將其用于股票綜合指數(shù)的預(yù)測(cè)以及股票利潤(rùn)率的計(jì)算和比較。為了更好地度量網(wǎng)絡(luò)模型的預(yù)測(cè)性能，本文采用絕對(duì)平均誤差(Absolute Average Error,AAE)和最小二乘誤差(Least Square Error,LSE)表示網(wǎng)絡(luò)的預(yù)測(cè)精度。實(shí)驗(yàn)結(jié)果表明：改進(jìn)的Elman神經(jīng)網(wǎng)絡(luò)模型用于

3、股市投資是可行的、有效的，該模型不僅可以明顯提高網(wǎng)絡(luò)的預(yù)測(cè)精度，達(dá)到快速收斂，而且還能夠明顯改善收益，提高股票投資的利潤(rùn)率，從而實(shí)現(xiàn)較大幅度地獲得收益的目的。 另外，為了控制大氣污染，關(guān)心大氣質(zhì)量，及時(shí)、準(zhǔn)確地預(yù)測(cè)未來(lái)大氣變化、預(yù)防嚴(yán)重污染事件的發(fā)生，本文在輸出-輸入反饋Elman網(wǎng)絡(luò)，即OlF Elman(Output-Input Feedback Elman)網(wǎng)絡(luò)的基礎(chǔ)上，將懲罰收益因素引入到OIF Elman神經(jīng)網(wǎng)絡(luò)模型中

4、，提出了一種基于OIF Elman神經(jīng)網(wǎng)絡(luò)的改進(jìn)模型-DPFOIFENN(Direction Profit Factor OIF Elman Neural Network)，并將其用于預(yù)測(cè)和評(píng)價(jià)長(zhǎng)春市的大氣質(zhì)量。實(shí)驗(yàn)結(jié)果表明：引入懲罰收益因素OIF Elman模型具有極佳的逼近性能，取得了較高的擬合精度，所得到的預(yù)測(cè)數(shù)據(jù)和評(píng)價(jià)結(jié)果與實(shí)際結(jié)果基本吻合。 上述結(jié)果表明：本文所提出的TPFENN和DPFOIFENN兩種模型可為金融投資