相关度
- 相关度
- 发表时间
每页显示10条
- 每页显示10条
- 每页显示20条
- 每页显示30条
已找到 70 条结果
- 应用混合神经网络和遗传算法的期权价格预测模型北大核心CHSSCDCSCDCSSCICSTPCD摘要：隐含波动率是指在市场中观察的期权价格所蕴涵的波动率.提出了一种加权的隐含波动率作为混合神经网络的输入变量,建立了混合神经网络和遗传算法相结合的期权价格预测模型,通过遗传算法来优化神经网络的结构和获得隐含波动率的权重.在对香港金融衍生品市场的实证中表明,本文模型在预测结果上要优于传统的Black-Scholes模型.
- 基于混合神经网络的一般动态系统MT方法建模北大核心CSCDCSTPCD
- 动态驱动神经网络辨识永磁直线同步电动机模型北大核心CSCDCSTPCD
- 基于混合神经网络的压电陶瓷微位移执行器动态迟滞建模北大核心CSCD
- 基于混合神经网络的主动队列管理算法摘要：针对高速互联网中拥塞控制的问题,在主动队列管理算法模型基础上,提出了一种基于混合pi-sigma神经网络的动态管理机制.其模型可以方便地在线修正前提参数(隶属函数)和结论参数,适合网络系统拥塞预测和控制.仿真表明,该算法能够保证缓存器中队列长度的稳定性,而且在网络突发流量较大时,在短时间间隔内可以使流量的抖动变得平缓,对网络动态的、不精确的、突发性的环境具有较强的自适应能力.
- 基于Heston模型和遗传算法优化的混合神经网络期权定价研究北大核心CHSSCDCSCDCSSCICSTPCD摘要：本文以 Heston 模型取代传统混合神经网络期权定价模型中的 Black-Scholes(BS)模型,通过 Back Propagation (BP)神经网络来拟合实际市场期权价格和Heston模型的期权价格的差值,并运用遗传算法来优化整个神经网络,建立了基于Heston模型和遗传算法的混合神经网络期权定价模型.应用这一模型,通过对香港恒生指数期权和上证50ETF期权的实证研究,结果表明:该模型相对于基于BS模型的混合神经网络模型和…查看全部>>
- 模糊推理技术和神经网络在智能交通系统中的应用
- 基于混合神经网络编队协同空战决策支持系统摘要：针对缺少先验知识的前提下,提出一种混合神经网络编队协同空战决策支持系统,同时采用一种无教师一有教师的混合训练算法来训练混合神经网络.仿真结果表明该系统的有效性.
- 加权变异粒子群BP神经网络在遥感影像分类中的应用CSTPCD
- 基于混合神经网络的图像复原方法北大核心CSCDCSTPCD摘要：针对传统图像复原方法对先验知识的依赖性问题,提出一种基于混合神经网络的图像复原方法.混合神经网络由卷积神经网络(Convolutional Neural Network)与BP神经网络组成.首先,通过训练卷积神经网络初步建立退化图像与真实图像之间的非线性映射关系,再利用训练好的卷积网络模型提取特征向量作为BP神经网络的输入.最后,通过训练BP神经网络实现图像复原.实验表明,该方法具有较高可行性,在小尺度的模糊核上的复原效果优于现有方法.