期刊文献+
共找到8篇文章
< 1 >
每页显示 20 50 100
神经网络中的多维MP模型 被引量:3
1
作者 钟谭卫 《华南农业大学学报》 CAS CSCD 北大核心 2004年第2期121-122,共2页
对著名的神经元数学模型MP模型进行了研究,提出了一种多维MP模型.用数学方法给出了一个多维非线性变换,推广了神经网络的基本问题.并给出了多维MP模型的电路实现.
关键词 神经网络 多维系统 MP模型 非线性阈值变换 电路
在线阅读 下载PDF
振动场中圆管流道内聚合物熔体流动的数值模拟
2
作者 钟谭卫 朱梅阶 《华南农业大学学报》 CAS CSCD 北大核心 2001年第1期94-94,共1页
关键词 振动场 聚合物熔体 移动网络法 数学模型 数值差分法 聚合物加工
在线阅读 下载PDF
单调Brown方法与单调拟Newton方法的比较
3
作者 钟谭卫 彭宏 《石油大学学报(自然科学版)》 CSCD 1995年第6期110-112,共3页
将单调Brown方法与单调拟Newton方法进行了比较,结果表明,单调Brown方法比单调拟Newton方法收敛速度快。
关键词 矩阵 收敛 迭代法 单调Brown法 单调拟牛盾法
在线阅读 下载PDF
三方向正则网上二次箱样条曲面的凸性
4
作者 钟谭卫 《石油大学学报(自然科学版)》 CSCD 1992年第2期91-95,共5页
通过二次箱样条的分片Bernstein-Bezier表示,由此产生的Bezier点,得出了de Boor网二向凸与相应的Bezier网三向凸是等价的,同时给出了由de Boor点确定的关于二次箱样条曲面凸性的充分条件.
关键词 Bezier网 锥样条 箱样条 deBoor网
在线阅读 下载PDF
非参数二次B—B三角凸曲面片的保凸拼接
5
作者 钟谭卫 《石油大学学报(自然科学版)》 CSCD 1991年第4期96-102,共7页
根据箱样条的性质研究了二次箱样条曲面的局部凸性,讨论了两个B-B三角凸曲面片的保凸拼接问题,并给出了利用Bezier网来控制B-B三角曲面片保凸拼接的充分条件。
关键词 非参数 凸曲面 三角曲面 样条曲面
在线阅读 下载PDF
基于动态递归神经网络模型的混沌时间序列预测 被引量:7
6
作者 马千里 郑启伦 +1 位作者 彭宏 钟谭卫 《计算机应用》 CSCD 北大核心 2007年第1期40-43,共4页
提出了一种动态递归神经网络模型进行混沌时间序列预测,以最佳延迟时间为间隔的最小嵌入维数作为递归神经网络的输入维数,并按预测相点步进动态递归的生成训练数据,利用混沌特性处理样本及优化网络结构,用递归神经网络映射混沌相空间相... 提出了一种动态递归神经网络模型进行混沌时间序列预测,以最佳延迟时间为间隔的最小嵌入维数作为递归神经网络的输入维数,并按预测相点步进动态递归的生成训练数据,利用混沌特性处理样本及优化网络结构,用递归神经网络映射混沌相空间相点演化的非线性关系,提高了预测精度和稳定性。将该模型应用于Lorenz系统数据仿真以及沪市股票综合指数预测,其结果与已有网络模型预测的结果相比较,精度有很大提高。因此,证明了该预测模型在实际混沌时间序列预测领域的有效性和实用性。 展开更多
关键词 混沌时间序列 递归神经网络 预测
在线阅读 下载PDF
ARIMA模型在小菜蛾幼虫种群动态中的应用 被引量:5
7
作者 岑冠军 黄寿山 +1 位作者 肖莉 钟谭卫 《华南农业大学学报》 CAS CSCD 北大核心 2008年第1期109-113,共5页
在定义了害虫种群动态的ARIMA模型后,应用扩展样本自相关函数法(ESACF)和最小信息准则法(MINIC)对ARIMA模型定阶,并按照模型识别、参数估计与检验和模型诊断3个步骤,分别建立了菜心Brassica parachinensis和芥兰Brassica albograbra上... 在定义了害虫种群动态的ARIMA模型后,应用扩展样本自相关函数法(ESACF)和最小信息准则法(MINIC)对ARIMA模型定阶,并按照模型识别、参数估计与检验和模型诊断3个步骤,分别建立了菜心Brassica parachinensis和芥兰Brassica albograbra上小菜蛾Plutella xylostella幼虫种群动态的ARIMA(2,1,3)模型和ARIMA(0,1,5)模型,其预测值误差均方分别为0.213和0.188,拟合后的残差序列为白噪声序列.结果表明在应用ARIMA模型研究害虫种群动态时,采用扩展样本自相关函数法和最小信息准则法定阶能快速寻找到最优的预测模型. 展开更多
关键词 ARIMA 种群动态 害虫 应用
在线阅读 下载PDF
基于相空间重构理论与递归神经网络相结合的股票短期预测方法 被引量:5
8
作者 马千里 郑启伦 +1 位作者 彭宏 钟谭卫 《计算机应用研究》 CSCD 北大核心 2007年第4期239-241,245,共4页
根据股票指数时间序列复杂的非线性特性,提出以相空间重构理论与递归神经网络相结合的股票短期预测新方法。以相空间重构理论确定最佳延迟时间和最小嵌入维数,以最佳延迟时间为间隔的最小嵌入维数作为递归神经网络的输入维数,并按预测... 根据股票指数时间序列复杂的非线性特性,提出以相空间重构理论与递归神经网络相结合的股票短期预测新方法。以相空间重构理论确定最佳延迟时间和最小嵌入维数,以最佳延迟时间为间隔的最小嵌入维数作为递归神经网络的输入维数,并按预测相点步进递归的生成训练数据进行短期预测,提高了预测精度和稳定性。该方法应用于沪市股票综合指数预测,其结果与传统的单纯用BP网络模型预测的结果相比较,精度大大提高,证明了该预测模型和方法在实际时间序列预测领域的有效性和实用性。 展开更多
关键词 股票短期预测 时间序列 相空间 神经网络
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部