汇率货币模型的非线性协整关系检验——基于深度GRU神经网络

本文采用深度门控循环单元（GRU）神经网络探讨三种汇率货币模型（弹性价格、前瞻性和实际利率差模型）的非线性协整关系。GRU技术在深度学习中具有智能记忆、自主学习和强逼近能力等优点。为此，本文运用该技术对6组典型浮动汇率制国别数据进行了非线性Johansen协整检验。结果表明，汇率与宏观经济基本面之间存在非线性协整关系，从而说明了货币模型在非线性条件下的有效性，以及先进的深度学习工具在检验经济理论中的优势。     

用联想神经网络设计的信道均衡器

研究了联想神经网络在数字通信信道均衡器实现中的应用,讨论了其设计方法和设计步骤,给出了计算机模拟结果,并进行了性能比较。研究结果表明:Hopfield联想神经网络实现的信道均衡器具有比传统线性横向均衡器更优越的性能。     

开放式数控切割机神经网络误差补偿研究

分析了影响数控火焰切割机加工精度的主要因素,利用开放式数控系统的软件开放性,提出了采用IGCAQBP学习算法的神经网络方法来对包括金属热变形、机械传动误差等非线性因素在内的多种因素造成的加工误差进行误差补偿,设计了嵌入开放式数控系统中的神经网络误差补偿器,给出了实用的补偿器使用方法,并对误差补偿功能进行了扩展,仿真结果和实际应用表明该方法稳定有效。     

随机型细胞神经网络的稳定性

借助于李雅谱洛夫理论、矩阵分析方法和It?公式,结合不等式分析技巧,研究了随机细胞神经网络系统的均方指数稳定性,给出了系统的解的二阶矩Liapunov指数估计式和均方指数稳定的充分条件。     

连续时延神经网络的Hopf分岔现象研究

讨论了带连续时延神经网络的Hopf分岔现象。对于强核和弱核的情况,利用平均时延作为分岔参数,证明了模型经历了Hopf分岔过程。在带弱核的神经网络模型中,得到了分岔周期解稳定性准则。给出了一些数值例子,通过计算机仿真验证了所得结论的正确性。     

基于贝叶斯神经网络的非参数回归

提高神经网络模型推广能力的关键是控制模型的复杂度。该文探索了贝叶斯神经网络的非参数回归的建模方法,通过融入模型参数的先验知识,在给定数据样本及模型假设下进行后验概率的贝叶斯推理,使用马尔可夫链蒙特卡罗算法来优化模型控制参数,实现了对神经网络模型中不同部分复杂度的控制,获得了模型参数的后验分布及预测分布。在5个含噪二维函数回归问题上的应用显示了模型的复杂度能根据数据的复杂度而自适应调整,并给出了较好的预测结果。     

多仁·丹增班觉对西藏传统音乐的影响

18世纪末 ,西藏地方政府噶伦多仁·丹增班觉从北京带回了扬琴、笙、横笛等一些内地乐器 ,并且传授演奏技法 ,组建乐队 ,配以小调演唱 ,出现了器乐合奏的艺术形式。多仁·丹增班觉对西藏传统音乐的发展 ,特别是高雅、优美的囊玛音乐的形成做出了贡献。     

论京剧的雅化及其鼎盛

文章论述了京剧在 2 0世纪 30年代达到鼎盛阶段的内外部原因。在其内部原因上 ,作者以其研究古代文学史时所提出的“原生态式的把握方式”来观察这一段京剧史 ,从而对这一段京剧史的发展作了新的勾勒 :艺术块团之形成、相互间的争锋、浮沉以及名号形成的种种情况。在其外部原因上 ,论述了京剧是如何从回应“五四”新文化运动的批评以及如何从向话剧的学习中受益的。 30年代新文化界对于当时京剧的雅化是批判的 ,作者则对此取肯定态度。最后还说明了 ,当京剧出国演出时 ,它的许多曾受“五四”新文化运动批判的特点 ,却受到了国外艺术家的肯定 ,中国的京剧艺术家们也更加开拓了视野 :由此勾勒出京剧发展过程中的一个大的回旋     

一种基于神经网络和决策树的信用评估新方法

分析了数据挖掘在国内外金融领域的应用及研究现状,提出了一种基于神经网络和决策树相结合的信用评估新方法。该方法通过RBF神经网络,进行条件属性裁减,并利用决策树抽取出评估规则。此方法利用神经网络的“黑箱”工作特性,选择重要条件属性,并利用决策树自动生成评估规则,大大提高了信用评估的效率和客观性。     

电弧炉电极系统双模控制策略研究及应用

针对交流电弧炉电极控制系统具有非线性时变、多变量、强耦合及存在随机干扰的特点,采用基于最近邻聚类方法的径向基函数(RBF)神经网络快速学习算法,通过实时在线辨识,建立电弧炉电极系统的精确逆模型并用于控制,实现了将具有强耦合特性的多变量输入/输出(MIMO)系统解耦成单个独立的伪线性对象,并提出一种基于RBF神经网络逆控制与比例微分(P/D)控制相结合的双模控制策略。应用结果证实了该控制策略具有快速适应对象和过程变化的能力及较强的鲁棒性。