一种改进RBF神经网络在股市建模及预测中的应用

本文对传统 RBF神经网络在网络结构及算法上做出了改进 ,并将其用于股市的建模与预测。通过对上证指数与×股票 (6 0 0 6 0 0 )的仿真实验表明 ,改进的 RBF神经网络具较好的学习能力和泛化能力 ,适合用于复杂的不确定的非线性系统的建模与预测。     

简述和田玉的颜色分类

正自古以来,世人皆爱美玉,作为中国玉的代表,和田玉从古至今都是爱玉之人的心头好,它以玉质细腻油润、颜色种类繁多等优势在众玉石之中独占鳌头,历朝历代玉雕艺人创作的和田玉精品琳琅满目,精美绝伦,成为名闻世界的"东方瑰宝"。目前,和田玉这一玉种的商业名称比较多,后来考虑到历史传统和商业习惯,以和田玉一词作为其基本名称,可用于各个产地的和田玉。因为和田玉的色彩变化非常多,所以和田玉的玉种分类,往往是人们根据不同的颜色来命名。     

浅谈绿松石的优化处理

正绿松石作为古老的玉石品种,在国内外市场一直是享有盛名,并且它的使用和佩戴历史非常悠久。随着近几年来市场营销手段的炒作,使得绿松石的在珠宝市场上更加活跃了起来,也随之出现了很多优化处理过的绿松石鱼目混珠,以次充好。本文就市场上常见的几种优化处理的方法做了分析研究,以供市场参考。近年来绿松石的饰物在国内外极为畅销,随着珠宝市场需求量的逐步增大,绿松石每年的销售量以25%左右的速度增长,致使绿松石     

基于SWOT模型下的蜀锦产业化运营研究

在非物质文化遗产项目的保护和开发过程中,是否应该引入产业化运营手段,一直是业界争论的重点。蜀锦织造技艺作为我国非物质文化遗产项目之一,历史悠久,影响重大。承载着千年古蜀文化的蜀锦,历来具有很强的审美价值。不仅如此,新的时代背景下,蜀锦的观赏性、实用性与经济性被世人重新认识。本文从蜀锦在保护、开发过程中遇到的问题入手,通过建立SWOT分析模型,试图找到一条适合蜀锦发展的产业化运营之路。     

小议当代文艺学学科建设

文艺学作为一门科学,其学科建构在当代存在许多问题。本文旨在通过细致分析,找到建设具有中国特色的文艺学学科的途径。     

基于PSO的SVR模型在多联机功耗预测上的应用

支持向量回归(SVR)模型在多联机系统功耗预测稳定性和精度上存在不足,本文引入粒子群优化(PSO)算法,对SVR预测模型的惩罚系数C和核参数γ进行最优求解,来改善模型预测性能。在制冷剂充注量为95. 75%工况下,对多联机组进行运行实验,并对实验数据进行预处理。基于PSO算法建立PSO-SVR模型,对多联机功耗进行预测,并与SVR模型的预测结果和理论公式计算结果进行对比。结果表明:SVR、PSO-SVR、理论公式计算法总体预测误差分别为1. 43%、1. 08%和1. 57%,均方根误差RMSE分别为105. 36、88. 79、91. 37 W,参数寻优结果为惩罚系数C=10 000和核参数γ=4. 275。粒子群优化算法的引入显著提高了SVR模型的预测精度和稳定性;相较于理论公式计算法,PSO-SVR精度更高,且需要测量的参数数目明显减少,在降低了测量系统复杂性同时更具经济适用性。