小波網(wǎng)絡(luò)理論及其在經(jīng)濟建模中的應(yīng)用

內(nèi)容概要

　　21世紀是非線性科學(xué)發(fā)展的時代。要有效地研究非線性問題，絕不能滿足于把非線性問題轉(zhuǎn)換為線性問題而后用線性方法加以近似地研究，必須發(fā)展新的非線性方法。為此，在經(jīng)濟學(xué)和管理學(xué)中，極需突破本學(xué)科的界限，從數(shù)學(xué)、生物學(xué)、心理學(xué)等自然科學(xué)引進成熟的、合適的非線性方法，來研究各種非線性問題，并在實際應(yīng)用過程中加以改進或完善?！　∩鲜兰o40年代出現(xiàn)的神經(jīng)網(wǎng)絡(luò)模型與80年代興起的小波分析理論，以及這兩者的結(jié)合所產(chǎn)生的小波網(wǎng)絡(luò)，正是前述研究非線性問題所需要的極其重要的科學(xué)工具。雖然它們還處在逐步完善的過程，但是經(jīng)過近二三十年的迅猛發(fā)展，它們的巨大理論價值和廣泛的應(yīng)用前景為越來越多的學(xué)者所公認?！　”緯容^系統(tǒng)地研究了小波網(wǎng)絡(luò)的非線性函數(shù)逼近性，包括小波網(wǎng)絡(luò)的全局逼近、最佳逼近和L2逼近，詳細地比較了小波網(wǎng)絡(luò)與BP網(wǎng)絡(luò)和RBF網(wǎng)絡(luò)的性能。

書籍目錄

第1章 緒論1.1 神經(jīng)網(wǎng)絡(luò)理論研究的發(fā)展簡史1.2 小波分析理論研究的發(fā)展倚史1.3 小波分析理論應(yīng)用概述第2章 神經(jīng)網(wǎng)絡(luò)理論基礎(chǔ)2.1 生物神經(jīng)元模型2.2 神經(jīng)網(wǎng)絡(luò)的基本特征和通有性質(zhì)2.3 MP模型和Hebb學(xué)習(xí)規(guī)則2.4 感知器2.5 BP神經(jīng)網(wǎng)絡(luò)模型2.6 徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)2.7 前向網(wǎng)絡(luò)的映射作用2.8 前向神經(jīng)網(wǎng)絡(luò)的激活函數(shù)與逼近性第3章 小波分析基礎(chǔ)3.1 從Foreier分析到小波分析3.2 小波與連續(xù)小波變換3.3 Hilbert空間的基與框架3.4 離散小波變換與小波框槊3.5 多分辨分析和Mallat小波算法第4章 小波網(wǎng)絡(luò)及其逼近問題4.1 小波網(wǎng)絡(luò)4.2 小波網(wǎng)絡(luò)的最佳逼近與全局逼近4.3 小波網(wǎng)絡(luò)與常規(guī)神經(jīng)網(wǎng)絡(luò)的比較第5章 小波網(wǎng)絡(luò)構(gòu)造5.1 連續(xù)參數(shù)小波網(wǎng)絡(luò)5.2 正交小波網(wǎng)絡(luò)5.3 正交尺度小波網(wǎng)絡(luò)5.4 緊支正交小波網(wǎng)絡(luò)5.5 分類小波網(wǎng)絡(luò)第6章 小波網(wǎng)絡(luò)在經(jīng)濟預(yù)測中的應(yīng)用6.1 引言6.2 經(jīng)濟預(yù)測的基本理論6.3 小波網(wǎng)絡(luò)在經(jīng)濟預(yù)測中的應(yīng)用概述6.4 經(jīng)濟時問序列的小波網(wǎng)絡(luò)預(yù)測模型6.5 人民幣匯率波動預(yù)測模型及實際仿真6.6 正交小波網(wǎng)絡(luò)在經(jīng)濟時間序列預(yù)測中的應(yīng)用6.7 基于正交小波網(wǎng)絡(luò)的經(jīng)濟周期波動預(yù)警模型6.8 正交尺度小波網(wǎng)絡(luò)在非線性經(jīng)濟系統(tǒng)預(yù)測中的應(yīng)用6.9 非參數(shù)估計的小波網(wǎng)絡(luò)經(jīng)濟預(yù)測模型第7章 小波網(wǎng)絡(luò)在經(jīng)濟決策中的應(yīng)用7.1 小波網(wǎng)絡(luò)在系統(tǒng)綜合評價中的應(yīng)用7.2 基于小波網(wǎng)絡(luò)的管理信息系統(tǒng)綜合評價7.3 基于分類小波網(wǎng)絡(luò)的模式識別7.4 基于分類小波網(wǎng)絡(luò)模式識別的證券市場預(yù)測7.5 基于小波網(wǎng)絡(luò)的我田上市公司財務(wù)困境預(yù)警模型第8章 展望參考文獻

章節(jié)摘錄

　　第1章　緒論　　1.1　神經(jīng)網(wǎng)絡(luò)理論研究的發(fā)展簡史　　神經(jīng)網(wǎng)絡(luò)理論研究的重要意義已為許多科學(xué)家所承認，不少人把它看作未來智能計算機發(fā)展的一個主流方向，但從神經(jīng)網(wǎng)絡(luò)的發(fā)展歷史來看，它的發(fā)展是不平衡的。早在1943年美國心理學(xué)家McCulloch和數(shù)學(xué)家Pitts合作提出了形式神經(jīng)元的數(shù)學(xué)模型（MP模型），從此開創(chuàng)了神經(jīng)科學(xué)理論研究的時代。1944年，心理學(xué)家Hebb通過對大腦神經(jīng)細胞學(xué)習(xí)和條件反射的觀察研究，提出了改變神經(jīng)元連接強度的學(xué)習(xí)規(guī)則（Hebb規(guī)則），他們的研究結(jié)果至今仍是許多神經(jīng)網(wǎng)絡(luò)模型研究的基礎(chǔ)。作為人工智能的網(wǎng)絡(luò)系統(tǒng)的研究則是20世紀50年代末60年代初開始的。1957年，Rosenblatt首次引進了感知機（Perceptron）概念，試圖模擬動物和人腦的感知和學(xué)習(xí)能力。1962年，widrow提出了自適應(yīng)線性元件（Adaline）。1969年，美國波斯頓大學(xué)教授Grossberg等提出了自適應(yīng)共振理論fART），具有無教師學(xué)習(xí)、識別和記憶功能。同年，人工智能的創(chuàng)始人之一。Minsky和Papert合作出版了頗有影響的Perceptrons一書，嚴格論證了簡單線性感知器功能的局限性，指出單層感知器只能用于線性問題的求解。由于Minsky在學(xué)術(shù)界的地位和影響，故其后若干年內(nèi)，神經(jīng)網(wǎng)絡(luò)的研究一度處于低潮。

圖書封面

評論、評分、閱讀與下載

---

    小波網(wǎng)絡(luò)理論及其在經(jīng)濟建模中的應(yīng)用 PDF格式下載

---