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

內(nèi)容概要

　　21世紀(jì)是非線性科學(xué)發(fā)展的時(shí)代。要有效地研究非線性問(wèn)題，絕不能滿足于把非線性問(wèn)題轉(zhuǎn)換為線性問(wèn)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(jì)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(jìn)成熟的、合適的非線性方法，來(lái)研究各種非線性問(wèn)題，并在實(shí)際應(yīng)用過(guò)程中加以改進(jìn)或完善?！　∩鲜兰o(jì)40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(wèn)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(guò)程，但是經(jīng)過(guò)近二三十年的迅猛發(fā)展，它們的巨大理論價(jià)值和廣泛的應(yīng)用前景為越來(lái)越多的學(xué)者所公認(rèn)?！　”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(xì)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(jiǎn)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(wèn)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(jì)預(yù)測(cè)中的應(yīng)用6.1 引言6.2 經(jīng)濟(jì)預(yù)測(cè)的基本理論6.3 小波網(wǎng)絡(luò)在經(jīng)濟(jì)預(yù)測(cè)中的應(yīng)用概述6.4 經(jīng)濟(jì)時(shí)問(wèn)序列的小波網(wǎng)絡(luò)預(yù)測(cè)模型6.5 人民幣匯率波動(dòng)預(yù)測(cè)模型及實(shí)際仿真6.6 正交小波網(wǎng)絡(luò)在經(jīng)濟(jì)時(shí)間序列預(yù)測(cè)中的應(yīng)用6.7 基于正交小波網(wǎng)絡(luò)的經(jīng)濟(jì)周期波動(dòng)預(yù)警模型6.8 正交尺度小波網(wǎng)絡(luò)在非線性經(jīng)濟(jì)系統(tǒng)預(yù)測(cè)中的應(yīng)用6.9 非參數(shù)估計(jì)的小波網(wǎng)絡(luò)經(jīng)濟(jì)預(yù)測(cè)模型第7章 小波網(wǎng)絡(luò)在經(jīng)濟(jì)決策中的應(yīng)用7.1 小波網(wǎng)絡(luò)在系統(tǒng)綜合評(píng)價(jià)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(píng)價(jià)7.3 基于分類小波網(wǎng)絡(luò)的模式識(shí)別7.4 基于分類小波網(wǎng)絡(luò)模式識(shí)別的證券市場(chǎng)預(yù)測(cè)7.5 基于小波網(wǎng)絡(luò)的我田上市公司財(cái)務(wù)困境預(yù)警模型第8章 展望參考文獻(xiàn)

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(jiǎn)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(rèn)，不少人把它看作未來(lái)智能計(jì)算機(jī)發(fā)展的一個(gè)主流方向，但從神經(jīng)網(wǎng)絡(luò)的發(fā)展歷史來(lái)看，它的發(fā)展是不平衡的。早在1943年美國(guó)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(shí)代。1944年，心理學(xué)家Hebb通過(guò)對(duì)大腦神經(jīng)細(xì)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(qiáng)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(jì)50年代末60年代初開始的。1957年，Rosenblatt首次引進(jìn)了感知機(jī)（Perceptron）概念，試圖模擬動(dòng)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(guó)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(wú)教師學(xué)習(xí)、識(shí)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(yán)格論證了簡(jiǎn)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(wèn)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(píng)論、評(píng)分、閱讀與下載

---

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

---