第条

基于加权模糊隶属函数神经网络的经济转折点预测

作者:

Joon S。林作者信息和声明

IEA/AIE’07：第20届应用智能系统的工业、工程和其他应用国际会议记录

2007年6月

页145-154

出版:2007年6月26日出版历史

摘要

本文提出了一种基于加权模糊隶属函数神经网络（NEWFM）的新的预测模型，用综合指数预测经济周期转折点。NEWFM是一种新的神经网络模型，通过使用自适应加权模糊隶属函数来提高预测精度。对隶属函数的位置和权重进行自适应训练，然后用有界和对模糊隶属函数进行组合。NEWFM的实施证明了其在商业周期分析领域的卓越能力。

工具书类

[1]

Lim，J.S.，Ryu，T.-W.，Kim，H.-J.，Gupta，S.：利用加权模糊隶属函数神经网络对特异性抗体缺乏综合征进行特征选择。作者：Wang，L.，Jin，Y.（编辑）FSKD 2005。LNCS（LNAI），第3614卷，第811-820页。斯普林格，海德堡（2005）。

数字图书馆

[2]

Ishibuchi，H.，Nakashima，T.：用于模式分类问题的基于模糊规则的系统中的投票。模糊集与系统103，223-238（1999）。

[3]

Nauk，D.，Kruse，R.：从数据中学习模糊分类规则的神经模糊方法。模糊集与系统89，277-288（1997）。

数字图书馆

[4]

Setnes，M.，Roubos，H.：GA-模糊建模和分类：复杂性和性能。IEEE传输。模糊系统8（5），509-522（2000）。

数字图书馆

[5]

韩国银行，《韩国商业周期》，《月报》，第31-53页（2004年1月）。

[6]

Hoptroff，R.G.，Bramson，M.N.，Hall，T.J.：用神经网络预测经济转折点。IJCNN-91-西雅图1，347-352（1991）。

[7]

Freisleben，B.，Ripper，K.：使用神经网络进行经济预测。1995年IEEE神经网络国际会议论文集，第2卷，第833-839页。IEEE出版社，纽约（1995）。

[8]

《通过神经网络识别商业周期转折点》，计算经济学7175-185（1994）。

数字图书馆

[9]

Mitra，A.、Mitra、S.：使用小波滤波和神经网络预测商业周期运动。《印度金融》第十八卷（4），1605-1626（2004）。

[10]

熊彼特，J.：《商业周期：资本主义过程的理论、历史和统计分析》。McGrow-Hill，纽约（1939年）。

[11]

Cho，S.，Chung，W.：经济学。Bummon有限公司，第685-693页（1990年）。

[12]

Zarnowitz，V.，Moore，G.H.：衰退和复苏的序贯信号。《商业杂志》55，55-85（1982）。

[13]

Neftci，S.N.：周期性衰退的最佳预测。《经济学与控制杂志》4225-241（1982）。

[14]

Hamilton，J.：非平稳时间序列和商业周期经济分析的新方法。《计量经济学》57，357-384（1989）。

[15]

Raihan，S.M.，Wen，Y.，Zeng，B.：《小波：商业周期分析的新工具》，圣路易斯工作文件FRB 2005 050A（2005）。

[16]

韩国银行，《韩国潜在经济增长率下降趋势的原因》，《月刊》，第23-58页（2005年9月）。

[17]

Carpenter，G.A.、Grossberg，S.、Markuzon，N.、Reynolds，J.H.、Rosen，D.B.：模糊ARTMAP：模拟多维地图增量监督学习的神经网络架构。IEEE神经网络汇刊3（5）（1992年9月）。

[18]

Walker，J.S.：小波及其科学应用入门。CRC出版社，博卡拉顿（1999）。

索引术语

基于加权模糊隶属函数神经网络的经济转折点预测
1. 计算方法
  1. 人工智能
    1. 知识表示和推理
      1. 概率推理
  2. 机器学习
    1. 机器学习方法
      1. 神经网络

索引项已通过自动分类分配给内容。

建议

一种具有高斯隶属函数的直觉模糊神经网络

本文提出了一种具有高斯隶属度函数和Yager-generating函数的直觉模糊神经网络（IFNN）。由于直觉模糊逻辑（IFL）同时考虑了隶属度、非隶属度和迟滞值。。。
阅读更多信息
用于模糊时序处理和手势识别的递归模糊网络

提出了一种用于处理模糊时间信息的模糊化Takagi-Sugeno-Kang（TSK）型递归模糊网络（FTRFN）。FTRFN扩展了我们之前提出的网络TRFN，以处理由…表示的模糊时间信号。。。
阅读更多信息
同时处理语言和数字信息的模糊神经模糊推理网络

本文提出了一种能够同时处理语言和数字信息的模糊化Takagi-Sugeno-Kang（TSK）型神经模糊推理网络（FTNFIN）。FTRNFN解决了现有大多数神经网络的不足。。。
阅读更多信息

评论

信息和贡献者

问询处

发布于

封面图片指南会议记录

IEA/AIE’07：第20届应用智能系统的工业、工程和其他应用国际会议记录

2007年6月

1193页

国际标准图书编号：9783540733225

编辑：
Hiroshi G.Okuno先生
京都大学信息学研究生院，日本京都坂尾
,
穆尼斯·阿里
德克萨斯州立大学圣马科斯分校计算机科学系

赞助商

信息学研究生院
京都大学：京都大学
国际应用智能学会

出版商

Springer-Verlag公司

柏林，海德堡

出版历史

出版：2007年6月26日

作者标记

限定符

第条

贡献者

其他指标

查看文章指标

文献计量学和引文

文献计量学

文章指标

0
引文总数
10
总下载次数

下载量（最近12个月）0
下载次数（最近6周）0

其他指标

查看作者指标

引文

视图选项

视图选项

获取访问权限

登录选项

检查您是否可以通过登录凭据或您的机构访问本文。

完全访问权限

获取此出版物

媒体

数字

其他

桌子