基于改进型粒子群优化算法的BP网络在股票预测中的应用

摘要：

本文提出了基于改进型粒子群优化的BP网络学习算法.在该算法中,首先改进了传统的BP算法,有效地使得网络中输入层、隐含层和输出层结点个数达到一个最优解.然后,用粒子群优化算法替代了传统BP算法中的梯度下降法, 使得改进后的算法具有不易陷入局部极小、泛化性能好等特点,并将该算法应用在了股票预测的应用设计中.结果证明:该算法能够明显减少迭代次数,提高收敛精度, 其泛化性能也优于传统BP算法.

关键词：神经网络、BP算法、BP改进、网络粒子群算法

所属期刊栏目：30

分类号：TP183(自动化基础理论)

在线出版日期：2008-06-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：66-68,79