{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{“日期-部件”：[[2024,5,7]]，“日期-时间”：“2024-05-07T06:00:50Z”，“时间戳”：1715061650535}，“参考-计数”：42，“发布者”：“爱思唯尔BV”，“许可证”：[{“开始”：“日期-零件”：[[2018,6,1]]，”“日期-时刻”：“2018-06-01T00:00:00 Z“，”timestamp“：1527811200000}，”content-version“：“tdm”，“delay-in-days”：0，“URL”：“https:\/\/www.elsevier.com//tdm\/userlicense\/1.0\/”}]，“内容域”：{“域”：[“elsevier.com”，“sciencedirect.com”]，“crossmark-restriction”：true}，“short-container-title”：[应用软件计算“]，”published-print“：{”date-parts“：[2018,6]]}，”DOI“：”10.1016\/j.asoc.2018.02.043“，”type“：”journal-article“，”created“：{“date-parts”：[[2018,3,1]]，“date-time”：“2018-03-01T19:36:23Z”，“timestamp”：1519932983000}，“page”：“215-231”，“update-policy”：”http://\/dx.doi.org\/10.1016\/elsevier_cm_policy“，”source“：”Crossref“，“is-referenced-by-count”：41，“title”：[“使用改进的混合蛙跳算法对货币汇率预测的高阶神经网络进行性能分析”]，“前缀”：“10.1016”，“卷”：“67”，“作者”：[{“给定”：“拉贾什利”，“家族”：“Dash”，“序列”：“第一”，“隶属关系”：[]}]，“成员”：“78”，“参考”：[}“键”：“101016\/j.asoc.2018.02.043_bib0005”，“doi-asserted-by”：“crossref”，“first page”：“446”，“doi”：“10.1016\/j.neucom.2015.03.100”，“article-title”：“汇率预测中的神经网络性能”，“volume”：”172“，”author“：”Galeshchuk“，”year“：”2016“，”journal-title“：”Neurocomputing“}，{”issue“：”16“，”key“10.1016 \/j.asoc.2018.02.043_bib0010”，”doi-assert-by“：”cross ref“，”首页“：“3295”，“DOI”：“10.1016\/j.neucom.2008.04.029”，“article-title”：“多阶段RBF神经网络集成学习在汇率预测中的应用”，“volume”：“71”，“author”：“Yu”，“year”：“2008”，“journal-title“：”Neurocomputing“}，{“issue”：“1”，“key”：”10.1016\/j.asoc.2018.02.043_bib0015“，”DOI-asserted-by“：”crossref“，”first page“181”，“DOI”：“10.1016\/j.eswa.2007.09.005”，“article-title”：“采用低复杂度人工神经网络模型对汇率进行有效预测”，“volume”：“36”，“author”：“Maji”，“year”：“2009”，“journal-title“：”Expert Sys.Appl.“}，{“issue”：“4”，“key”：”10.1016\/j.asoc.2018.02.043_bib0020“，“first page”：：“450”，“article-title”：“用于汇率预测的新型知识引导人工神经网络（KGANN）模型的开发和性能评估”，“量”：“27”，“作者”：“耶拿”，“年份”：“2015年”，“期刊标题”：“沙特国王大学计算机信息科学”}，{“关键”：“10.1016\/J.asoc.2018.02.043_bib0025”，“非结构化”：“V.V.Kondratenko，Y.a.Kuperin，（2003）使用递归神经网络预测外汇。arXiv-print cond-mat \/0304469.“}，{”key“：”10.1016\/j.asoc.2018.02.043_bib0030“，”doi-asserted-by“：”crossref“，”first page“：“23”，”doi“：”101016\/j.neucom.2015.01.109“，”article-title“：”免疫算法启发的正则化动态自组织神经网络用于金融时间序列预测“，”volume“：2016年“，”journal-title“：”Neurocomputing“}，{”key“：”10.1016\/j.asoc.2018.02.043_bib0035“，”doi-asserted-by“：”crossref“，”first page“：“35”，”doi“：”101016\/j.asoc.2017.04.014“，”article-title”：“使用粒子群优化训练的分位数回归神经网络预测金融时间序列波动性”，“volume”：“58”，“author”：“Pradeepkumar”，“年份”：“2017年”，“新闻标题”：“申请。软计算。“}，{”key“：”10.1016\/j.asoc.2018.02.043_bib0040“，”doi-asserted-by“：”crossref“，”first page“：“1078”，“doi”：“10.1016\/j.ins.2015.11.039”，“article-title”：“短期电力负荷需求预测的随机向量函数链接网络”，“volume”：“367”，“author”：“Ren”，“year”：“2016”，“journal-title“：”Inf.Sci.“}”，{“key”：”10.1016\/j.asoc.2018.02.043_bib0045“，”doi-asserted-by“：”crossref“，”first page“：”1094“，”doi“：”10.1016\/j.ins.2015.09.025“，”article-title“：”随机向量功能链接网络的综合评估“，”volume“：“367”，“author”：“Zhang”，“year”：“2016”，“journal-title”：“Inf.Sci。“}，{”issue“：”7“，”key“：”10.1016\/j.asoc.2018.02.043_bib0050“，”doi-asserted-by“：”crossref“，”first page“：“1049”，”doi“：”101016\/S030548（03）00064-9“，“article-title”：“外汇预测与交易误差修正的回归神经网络”，“volume”：“31”，“author”：“Chen”，“year”：“2004”，“journal-title“：”Compute.Operat.Res.“}，{“issue“：”13“，”key“：”10.1016\/j.asoc.2018.02.043_bib0055“，”doi-asserted-by“：”crossref“，”first page“：“2815”，“doi”：“10.1016\/j.neucom.2008.09.023”，“article-title”：“使用混合神经网络和交易指标进行汇率预测”，“volume”：“72”，“author”：“Ni”，“year”：“2009”，“journal-title“：”Neurocoming“}”，{“issue”：“1”，“key”：”10.1016\/j.asoc.2018.02.043_bib0060”，“doi断言者”：“crossref”，“首页”：“377”，“doi”：“10.1016\/j.eswa.2012.007.048”，“文章标题”：“使用差分EMD改进汇率预测”，“卷”：“40”，“作者”：“Premanode”，“年份”：“2013”，“期刊标题”：“专家系统。申请。“}，{”issue“：”3“，”key“：”10.1016\/j.asoc.2018.02.043_bib0065“，”doi-asserted-by“：”crossref“，”first page“：“583”，“doi”：“10.1007\/s00521-010-0456-7”，“article-title”：“混沌免疫算法季节SVR在交通流预测中的应用”，“volume”：“21”，“author”：“Hong”，“year”：“2012”，“journal-title“：”Neural Compute.Appl.“}”，{“问题“：“1”，”key“：”10.1016\/j.asoc.2018.02.043_bib0070“，”doi-asserted-by“：”crossref“，”first page“：“604”，“doi”：“10.1016\/j.ijepes.2012.08.010”，“article-title”：“利用混沌遗传算法的季节SVR进行周期性电力负荷预测”，“volume”：“44”，“author”：“Hong”，“year”：“2013”，“journal-title“：”Int.j.Electr。电力能源系统。“}，{”key“：”10.1016\/j.asoc.2018.02.043_bib0075“，”doi-asserted-by“：”crossref“，”首页“：”239“，”doi“：”101016\/j.ieri.2014.09.083“，”article-title“：”使用CGP和递归神经网络进行外汇汇率预测“，”volume“：“10”，”author“：”Rehman“，”year“：”2014“，”journal title“：“ieri Procedia”}“，{“issue”：“4”，”键“：”10.1016\/j.asoc.2018.02.043_bib0080“，“首页”：“536”，“文章标题”：“使用低复杂性递归神经网络和进化学习方法预测金融时间序列”，“卷”：“29”，“作者”：“Rout”，“年份”：“2017”，“新闻标题”：”j.King Saud Univ.-Compute。信息科学。“}，{”key“：”10.1016\/j.asoc.2018.02.043_bib0085“，”doi-asserted-by“：”crossref“，”首页“：”44“，”doi“：”101016\/j.asoc.2017.01.043“，”article-title“：”一种新型高阶加权模糊时间序列模型及其在非线性时间序列预测中的应用“，”volume“：“”10.1016\/j.asoc.2018.02.043_bib0090“，”doi-asserted-by“：”crossref“，”first page“：”92“，”doi“：”10.1016\\j.asoc.2017.04.021“，”article-title“：”ARMA（p:q）型基于模糊逻辑关系的高阶模糊时间序列预测方法“，”volume“：“58”，”author“：”Kocak“，”year“：”2017“，”journal-title”：“Appl”。软计算。“}，{”issue“：”3“，”key“：”10.1016\/j.asoc.2018.02.043_bib0095“，”doi-asserted-by“：”crossref“，”first-page:“378”，”doi“：”101016\/j.knosys.2010.11.001“，”article-title“：”使用人工鱼群算法优化的径向基函数神经网络预测股指“，”volume“：“24”，“author”：“Shen”，“year”：“2011”，“journal-title”：“”知识-基于系统。“}，{”issue“：”11“，”key“：”10.1016\/j.asoc.2018.02.043_bib0100“，”doi-asserted-by“：”crossref“，”first page“：“1031”，”doi“：”101016\/j.aeue.2014.05.005“，”article-title“：”使用混合蛙跳算法的神经网络新训练策略及其在信道均衡中的应用“，”volume“：AEU国际电子杂志。Commun公司。“}，{”issue“：”4“，”key“：”10.1016\/j.asoc.2018.02.043_bib0105“，”doi-asserted-by“：”crossref“，”first-pages“：”229“，”doi“：”101016\/j.crme.2013.12.006“，”article-title“：”shuffled frog跳跃算法在声发射源定位小波神经网络中的应用“，”volume“：“342”，“author”：“Cheng”，“year”：“2014”，“journal-title”：“”Comptes Rendus M\u00e9canique“｝，｛”key“：”10.1016\/j.asoc.2018.02.043_bib0110“，”doi asserted by“：”crossref“，”首页“：”782“，”doi“：”10.1016\/j.physa.2017.05.044“，”文章标题“：”一种改进的基于洗牌蛙跳算法的货币汇率预测进化框架“，”成交量“：”486“，”作者“：”Dash“，”年份“：”2017“，”journal-title“：”Physica A“}，{”issue“：”1“，”key“：”10.1016\/j.asoc.2018.02.043_bib0115“，”doi-asserted-by“：”crossref“，”first-pages“：”16“，”doi“：”10.4018\/IJAEC.2016010102“，”article-title”：“使用混合进化legendre神经网络预测金融时间序列数据：进化LENN”，“volume”：“7”，“author”：“Dash”，“year”：“2016”，“journal-title“：”国际期刊应用。进化。计算。（IJAEC）“}，{”key“：”10.1016\/j.asoc.2018.02.043_bib0120“，”doi-asserted-by“：”crossref“，”first page“：“25”，“doi”：“10.1016\/j.swevo.2014.07.003”，“article-title”：“基于自适应差分和声搜索的优化金融时间序列预测极端学习机”，“volume”：“19”，“author”：“Dash”，“year”：“2014”，“journal-title“：”Swarm进化。计算。“｝，｛”key“：”10.1016\/j.asoc.2018.02.043_bib0125“，”doi断言“：”crossref“，”首页“：”75“，”doi“：”10.1016\/j.eswa.2016.01.016“，”文章标题“：”使用通过改进的差分和谐搜索技术优化的自进化递归神经模糊推理系统进行有效的股价预测“，”volume“：”52“，”author“：”Dash“，”year“：”2016年”，“新闻标题”：“专家系统。申请。“}，{”issue“：”3“，”key“：”10.1016\/j.asoc.2018.02.043_bib0130“，”doi-asserted-by“：”crossref“，”first page“：“210”，“doi”：“10.1061\/（ASCE）0733-9496（2003）129:3（210）”，“article-title”：“使用混合蛙跳算法优化配水网络设计”，“volume”：“129”，“author”：“Eusuff”，“year”：“2003”，“journal-title“：”j。水资源。计划。管理。“}，{”issue“：”2“，”key“：”10.1016\/j.asoc.2018.02.043_bib0135“，”doi-asserted-by“：”crossref“，”first page“：“129”，“doi”：“10.1080\/03050500384759”，“article-title”：“Shuffled frog-suping algorithm:a mememeta-euristic for discrete optimization”，“volume”：“38”，“author”：“Eusuff”，“year”：“2006”，“journal-title“：”Eng.Optim“。”}，{“问题”：“2”，“密钥”：“10.1016\/j.asoc.2018.02.043_bib0140“，”doi-asserted-by“：”crossref“，”first page“：”115“，”doi“：”10.7763\/IJCEE.2012.V4.461“，”article-title“：”shuffled frog leaging algorithm to long-term generation expansion planning“，”volume“：“4”，”author“：”Jadidoleslam“，”year“：”2012“，”journal-title”：“Int.j.Compute”。选举人。Eng.“}，{”key“：”10.1016\/j.asoc.2018.02.043_bib0145“，”doi-asserted-by“：”crossref“，”first page“：“743”，”doi“：”101016\/j.ijepes.2014.07.073“，”article-title“：”可靠性约束的发电扩展规划，改进的混合蛙跳算法“，”volume“：64”，“author”：“Jadidoleslam”，“year”：“2015”，“journal-title”：“Int.j。选举人。电力能源系统。“}，{”issue“：”5“，”key“：”10.1016\/j.asoc.2018.02.043_bib0150“，”doi-asserted-by“：”crossref“，”first page“：“2535”，”doi“：”101016\/j.eswa.2013.10.001“，”article-title“：”multi-depost vehicle routing problem的改进混合蛙跳算法及其多阶段模型“，”volume“：.“}，{“key”：“10.1016\/j.asoc.2018.02.043_bib0155”，“doi-asserted-by”：“crossref”，“首页”：“266”，“doi”：“101016\/j.ins.2015.04.001”，“article-title”：“带时间窗的车辆路径问题的一种新的混合混洗蛙跳算法”，“volume”：”316“，“author”：“Luo”，“year”：“2015”，“journal-title“：”Inf.Sci.“}，{”issue“23”，“key“”：“10.1016\/j.asoc.2018.02.043_bib0160”，“doi-asserted-by”：“crossref”，“first page”：“9333”，“doi”：“10.116\/j.eswa.2015.08.025”，“article-title”：“双代理混合流水车间调度的混合蛙跳算法”，“volume”：”42“，”author“：”Lei“，”year“：”2015“，”journal-title“：”Expert Syst.Appl.“}”，{“issue”：“1”，“key”：“10.1016\/j.asoc.2018.02.043_bib0165”，“doi-asserted-by”：“crossref”，“first page”：“53”，“doi”：“10.1080\/15732470500254535”，“article-title”：“修改的混合蛙跳优化算法：项目管理应用程序”，“volume”：”3“，“author”：“Elbeltagi”，“year”：“2007”，“journal-title“：”Struct.Infrastruct.Eng.“}，{”key“：“10.1016\/j.asoc.2018.02.043_bib0170”，“doi-asserted-by”：“crossref”，“first page”：“143”，”doi“：”10.1016\/j.ins.2010.07.016“，”article-title“：”一种改进的带极值优化的洗牌蛙跳算法，用于持续优化“，”volume“：”192“，”author“：”Li“，“year”：“2012”，“journal-title”：“Inf.Sci.”}，{“key”：“10.1016\/j.asoc.2018.02.043_bib0175”，“series-title”：“第二届国际计算机科学与电子工程会议论文集”，“首页”：“1”，“article-title”：“一种改进的混合蛙跳算法，具有持续优化的综合学习能力”，“author”：“Xue”，“year”：“2013”}，{“key”：“10.1016\/j.asoc.2018.02.043_bib0180”，“doi-asserted-by”：“crossref”，“first page”：“127”，”doi“：”10.1016\/j.procs.2015.02.003“，”article-title“：”质心突变嵌入混洗蛙跳算法“，”volume“：”46“，”author“：”Sharma“，”year“：”2015“，”journal-title”：“Procedia Compute.Sci.”}，{“issue”：“1”，“key”：\/j.asoc.2018.02.043_bib0185“，“doi-asserted-by”：“crossref”，“first page”：“363”，“doi”：“10.1016\/S0925-2312（02 by“：”crossref“，”first page“：”1186“，”doi“：“10.1016\/j.eswa.2007.08.038”，“article-title”：“使用多项式流水线神经网络进行金融时间序列预测”，“volume”：“35”，“author”：“Hussain”，“year”：“2008”，“journal-title“：”Expert Syst.Appl.“}，{“issue”：“3”，“key”：”10.1016\/j.asoc.2018.02.043_bib0195“，”doi-asserted-by“：”crossref“，“first-page”：“1069”，“doi”：“10.1016\/j.asej.2014.12.013”，“article-title”：“用于非线性分类的基于新型化学反应优化的高阶神经网络（CRO-HONN）”，“volume”：“6”，“author”：“Nayak”，“year”：“2015”，“journal-title“：”Ain Shams Eng.j.“}，{“key”：”10.1016\/j.asoc.2018.02.043_bib0200“，“series-title”：“应用人工高阶神经网络进行控制和识别”，“首页”：“253”，“文章标题”：“使用人工化学反应优化提高高阶神经网的性能：股市预测的案例研究”，“作者”：“Nayak”，“年份”：“2016”}，{“问题”：“1”，“关键”：“10.1016\/j.asoc.2018.02.043_bib0205”，“doi-asserted-by”：“crossref”，“first page”：“197”，《doi》：“10.1016\/j.jesch.2015.07.005”，“article-title”：“一种新的自然启发的高阶神经网络萤火虫算法：性能分析”，“volume”：《19》，“author”：“Nayak”，“year”：“2016”，“journal title”：《Eng.Sci.Technol.Int.j.》}，{“issue”：“1”，“key”：”10.1016\/j.asoc.2018.02.043_b ib0210“，“首页”：“7”，“文章标题”：“使用基于差分进化训练的自适应ARMA模型预测货币汇率”，“数量”：“26”，“作者”：“Rout”，“年份”：“2014年”，“日志标题”：”J.King Saud Univ.-Compute.Inf.Sci.“}]，“容器标题”：[“应用软计算”]，“原始标题”：[]，“语言”：“en”，“链接”：[{“URL”：“https:\/\/api.elsevier.com/content\/article\/PII:S1568494618301029？httpAccept=text\.xml”，“content-type”：“text\/xml”，“内容-版本”：“vor”，“intended-application”：“text-mining”}，{“URL”：“http:\/\-api.elsever.com/content\/article \/PII:S1568464618301022？httpAccess=text\/plain”离子“：”vor“，“intended-application”：“text-mining”}]，“deposted”：{“date-parts”：[[2019,2,26]]，“date-time”：“2019-02-26T13:05:09Z”，“timestamp”：1551186309000}，“score”：1，“resource”：{primary“：{”URL“https:\/\/linkinghub.elsevier.com\/retrieve\/piii\/S1568494618301029”}}，”subtitle“：[]，”shorttitle“：[]，“issued”：date-parts“：[[2018,6]]}，”references-count“：42，“alternative id”：[“S1568494618301029”]，“URL”：“http:\/\/dx.doi.org/10.1016\/j.asoc.2018.02.043”，“relationship”：｛｝，“ISSN”：[“1568-4946”]，“ISSN type”：[｛“value”：“1568-4946”，“type”：“print”｝]，“subject”：[]，“published”：｛“date parts”：[[2018,6]]｝，“assertion”：[｛“value”：“Elsevier”，“name”：“publisher”，“label”：“本文由”｝，｛“value维护”：“使用改进的混合蛙跳算法对货币汇率预测进行高阶神经网络的性能分析”，“name”：“articletitle”，“label”：“Article Title”}，{“value”：“Applied Soft Computing”，“name:”journaltitle“，”label“：”Journal Title“}，”value“：”https:\/\/doi.org\/101016\/j.asoc.2018.02.043“，”name“：”articlelink“，“label”：“CrossRef DOI link to publisher maintained version”}，{“value”：“article”，“name”：“content_type”，“label:“content-type”}