基于相似性最优模块神经网络的股票预测.pdfVIP

第32 卷第4 期 江西师范大学学报( 自然科学版) 、r 01．32 No．4 2008年8月 JOI 『RNAL oF J LANGⅪNORMAI ．I 『NⅣERSl l Y(NAl l I RAL s cI ENCE) Aug ．2008 文章编 号：100m58 2(2008) 昨0443-0 基于相似性最优模块神经网络的股票预测 刘 军， 邱晓红， 汪志勇， 杨 鹏 ( 江西师范大学计算机信息工程学院，江西南昌330027) 摘要 ：该文提出一种最优模块化神经网络的模 型．BP 网络存在学习后面的样本而 “遗忘 ”前面的样本，以 及训练速度很慢 的问题，但具有泛化能力强的优点，同时网络的结构不会 随数据增加而变 的庞大．而RBF 网络随着输入维数增加其隐藏层的神经元个数呈指数增加 ，并且其泛化能力不强，但RBF网络具有训练 速度比较快，逼近效果好等优点．于是提 出最优模块化神经网络 的模型，综合BP和RBF网络 的优点．使 学习样 本能力