张吉刚
- 作品数：51 被引量：103H指数：6
- 供职机构：湖北科技学院更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：经济管理自动化与计算机技术自然科学总论理学更多>>
- 基于神经网络的企业盈利能力评价分析被引量：2
- 2014年
- 本文应用灰关联分析方法,解析了各影响因子对企业盈利能力的影响程度,得出各因子对企业盈利能力的影响程度的大小排序,为增加企业盈利能力提供参考;选择灰关联分析的4个优势因子作为输入参数,建立了企业盈利能力预测的BP网络模型;用上市的5家企业的实时数据作为实例进行验证,结果表明:该模型能较准确地预测企业盈利能力,具有很强的使用价值。
- 梁娜张吉刚
- 关键词：灰色关联分析BP神经网络
- 基于som网络-主成分-BP网络的股价预测被引量：13
- 2008年
- 文章提出一种基于som网络-主成分-BP网络预测模型,用于股市收盘价的实时预测。首先采用som神经网络将特性分散的样本划分成不同的子类,然后采用主成分分析方法对影响目标数据的众多变量进行降维处理,在此基础上,构建了股市收盘价的BP神经网络预测模型,大大改善了预报的精度和效率,通过对采集的股市数据进行测试,表明本文提出方法的有效性。
- 张吉刚梁娜
- 关键词：SOM神经网络主成分分析BP神经网络
- 提高大学数学类课堂教学质量的一些思路被引量：4
- 2013年
- 大学数学课堂教学是大学数学课程实施的重要环节,其效果直接影响着教学质量.本文主要从课前、课中、课后三个环节上分析提高大学数学类课堂教学的措施.
- 张吉刚
- 关键词：大学数学教学质量
- 基于CPN网络的电力客户信用风险预测
- 2008年
- 在分析影响电力客户企业公司财务状况主要因素的基础上,将一种新型特征映射网络—CPN网络理论应用于电力客户信用风险预测,建立基于CPN网络电力客户信用风险预测模型.采用实际数据对模型进行验证,并将其与LVQ网络模型、BP网络模型和传统模型相比较,证明了基于CPN网络电力客户信用风险预测模型具有较高的精度和较强的实用性.
- 张吉刚梁娜
- 核密度为H_w^v(E)类时开口弧段上奇异积分关于积分曲线的稳定性被引量：1
- 2003年
- 设E是复平面上的有界单连通区域 ,Γ =ab是E内的一条Lyapunov开口弧段 ,当核密度φ(t)∈Hvw(E)时 ,我们讨论了奇异积分 :(Sφ) (t) =1πi∫Γφ(τ)τ-tdτ t∈Γ - {a ,b}在Γ发生某种Lyapunov扰动后的稳定性问题 。
- 张吉刚
- 关键词：奇异积分开口弧段稳定性
- 基于灰关联分析-神经网络的组合预测模型被引量：1
- 2009年
- 应用SOM神经网络对股市收盘价与其影响因素的总样本进行分类,对其中任一类作灰关联分析,得出各影响因素对股市收盘价的影响程度大小排序;选择灰关联分析的6个优势因子作为输入参数,建立股市收盘价预测的BP网络模型;用ST中纺B的数据作为实例进行验证,结果表明该模型能较准确地预测股市收盘价.
- 梁娜张吉刚
- 关键词：SOM神经网络灰关联分析BP神经网络
- 基于ARIMA-ANN的时间序列组合预测模型被引量：10
- 2008年
- 目前,时间序列预测主要采用基于传统研究方法或人工神经网络技术的单一预测方法.近年来的研究表明,组合预测方法比单一预测具有更高的预测精度.提出了一种基于BP神经网络和ARIMA组合模型的预测新方法,对中国GDP的变化趋势进行了综合分析与预测,预测结果表明这种方法相对于单一的预测方法具有更高的精度,该模型在非平稳时序的预测中的应用是可行、有效的.
- 张吉刚梁娜
- 关键词：BP神经网络ARIMA模型单位根检验
- 基于BP神经网络股价预测的一种改进方法被引量：1
- 2007年
- 为提高神经网络经济预测的泛化能力,对神经网络预测数据处理方法进行了改进,把对数据的归一化变为对数据增长量的归一化,因而只要被预测的增长量不超过以往的历史数据增长量,则不会发生外延问题。根据这一思路,采用个股(中国石化)收盘价的数据,通过对收盘价的增长量进行了归一化,得到新的时间序列,将该时间序列视为一个从输入到输出的非线性映射,用BP神经网络进行非线性映射的逼近。对网络进行学习与训练的仿真试验后,预测结果与实际结果的比较说明,改进方法有效。
- 张吉刚
- 关键词：BP神经网络泛化能力股价
- 对咸宁学院全面开设大学数学实验课的探讨
- 2011年
- 从《数学模型》和《运筹学》等课程的数学实验教学的亲身经历出发,论述了咸宁学院全面开设大学数学实验课的必要性,讨论了大学数学实验课的设置方法、教学内容和必要的准备工作.
- 张吉刚
- 关键词：数学实验数学软件教学内容课程设置
- 对前馈型神经网络股价预测的一点改进
- 2007年
- 为减小预测误差,目前的方法是:选择对股价有显著影响的输入变量;调整网络结构及选择合适的参数;优化学习算法.这些方法都是以实际股价作为网络的预测.本文提出的方法是以相邻两天的股价差价作为网络的预测.本文在相同的数据上分别建立股价预测模型和股价的差价预测模型,并对它们的结果进行对比分析,结果表明差价预测模型的预测误差小,预测效果好.
- 张吉刚梁娜沈育民
- 关键词：前馈型神经网络差价股价预测
