基于人工神經(jīng)網(wǎng)絡(luò)的時間序列預(yù)測與路由優(yōu)化.pdf

1、本文主要研究了人工神經(jīng)網(wǎng)絡(luò)模型在通信網(wǎng)絡(luò)路由優(yōu)化和非線性時間序列信號預(yù)測這兩個領(lǐng)域中的應(yīng)用。 在網(wǎng)絡(luò)路由優(yōu)化的部分，我們首先考察了單播路由的兩類有代表性的基本問題，即費用最小-延遲受限(DCLC:Delay-Constrained Least-Cost)問題和多限制路由(MCP:Multi-Constrained Path)問題，介紹了基于Hopfield神經(jīng)網(wǎng)絡(luò)的解決方案，提出兩種能量函數(shù)，并以此決定網(wǎng)絡(luò)的互連權(quán)重，尋找最優(yōu)的

2、路由。尤其是對于后者，以往的方法需要仔細選取的參數(shù)數(shù)目比較多，這是一個艱巨的任務(wù)，尤其是限制條件達到一定數(shù)目后，這些參數(shù)的合理選取是極其困難的。我們通過提出一種新的能量函數(shù)，將K個參數(shù)(限制條件數(shù)目)減少為1個，降低了選取參數(shù)的復(fù)雜性和計算的復(fù)雜性。在計算機模擬中，Hopfield神經(jīng)網(wǎng)絡(luò)可以在10<'-5>s量級的時間內(nèi)收斂到正確結(jié)果，從而保證QoS路由的實時選擇。最后，我們討論了真實網(wǎng)絡(luò)中存在的狀態(tài)參數(shù)不確定(非精確)性的來源與數(shù)學(xué)

3、模型，并提出基于Hopfield神經(jīng)網(wǎng)絡(luò)模型的解決方案。同樣，計算機模擬表明神經(jīng)網(wǎng)絡(luò)可以迅速收斂到正確的結(jié)果。 在對股指進行時間序列預(yù)測部分，我們首先通過數(shù)學(xué)分析，給出價格的數(shù)學(xué)表達式，從而指出對其進行預(yù)測是可能的。然后，我們利用ε-支持向量機和v-支持向量機模型對存在著雖然是作為極小概率事件發(fā)生但對經(jīng)濟有非常深遠之影響的崩潰過程的上證指數(shù)和道·瓊斯工業(yè)平均指數(shù)進行了成功的預(yù)測，其相對誤差僅為10<'-3>量級。最后我們在訓(xùn)練數(shù)