基于混合PETRI网和神经网络的上市银行模型研究

基于混合PETRI网和神经网络的上市银行模型研究

ID:36574465

大小:10.94 MB

页数:62页

时间:2019-05-12

基于混合PETRI网和神经网络的上市银行模型研究_第1页
基于混合PETRI网和神经网络的上市银行模型研究_第2页
基于混合PETRI网和神经网络的上市银行模型研究_第3页
基于混合PETRI网和神经网络的上市银行模型研究_第4页
基于混合PETRI网和神经网络的上市银行模型研究_第5页
资源描述:

《基于混合PETRI网和神经网络的上市银行模型研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、华东理工大学硕士学位论文基于混合PETRI网和神经网络的上市银行模型研究姓名:孙永强申请学位级别:硕士专业:系统工程指导教师:王振雷20071215华东理工大学硕士学位论文第1页基于混合PET刚网和神经网络的上市银行模型研究摘要本文针对国内商业银行积极上市,调整内部组织结构,获取更多市场信息的现实背景,抽象出符合混合PETRI网络定义概念的结构体系,从着色、层次、时延、随机等四个方面加以着手细化,比较完整的形成可供深化研究的系统模型。因为银行组织群体模型比较复杂,需要在功能上加以健全,根据相关工程建模思想和优化理论,对系统进行调整,提出符合

2、建模过程中的结构算法和系统协调策略。模型中的信号传导有两种方式,一种是系统内部【O,11区间的信号,一种是系统和外部交换资源时表现的正整数数量。文章回顾小波分析和小波变换的基本原理,将模型中复杂信号加以必要的加工和提炼,完成神经网络数据优化的预处理过程,并且系统总结小波神经网络在工作流信息处理方面的方式和机理。比对神经网络GRNN和SOM等多种算法的特点,改进了SIMULINK工具下S函数的数据处理方式,使得模型可以实时在线数据处理优化,并将SOM和GRNN合成运用,取得了比单纯的GRNN更为明显的成效;在系统还将GRNN从单纯的数据训练优

3、化中进一步深化,用于预测同样取得了满意的结论。最后总结算法在模型中的工程问题,提出了总体思路和原则性总结。在模型建立后,根据PETRI网络行为理论,结合到具体模型,细化了活性指标,使得所有的行为特点通过关联矩阵和极小T一不变量及其投影等等重要数理方程判断出系统的行为结构活性;并从工程意义上完成活性验证和核心界定,使得银行组织群体具有数理推导意义和工程建模背景。关键词:PETltI网;组织群体;银行上市:神经网络:小波;GRNNiSOM第1I页华东理工大学硕士学位论文ResearchandModelingofListedBanksBasedo

4、nHybridPetriNetandNeuralNetworkAbstractInChina,domesticcommercialbankszealouslycomeintothestockmarket,inordertoadjustthestructureofinnerorganizatios.moreforwardlycommunicatewithcapitalmarket.强epaperabstactthiscasetoasystemtalliedwiththebasicdefinitionandconceptofhybridPetr

5、iNet,todetailthismodelinfourparts,suchascolor,hiberarchy,timedelay,radom,tocomparativelyformthestructurewhichCanbedigestedinthefurther.Forthesakeofthecomplicacyofthebankorganizationcommunitymodel,whichneedstomatureinthefunction,itshouldadjustthesystemaccordingtotherelative

6、modelingthinkingandoptimizationtheory,sumupthestructurealgorithmandharmonystrategyforthesystem.Therearetwokindmeansofsignalconduction,theformeristheinnersignal,whosevalueisbetweenzeroandone,thelatteristheoutersignal,whosevalueisalwaypositiveinteger.Referringtowaveletanalys

7、is,wavelettransfer,thepaperprocessthesignalinthemodel,accomplishthepretreatmentofdataoptimizeintheneuralnetwork,sumupthemannerandmechanismofwaveletneuralnetworkinthepartofworkflowsignalprocessing.Itcomparesthefour-algorithm’Sfeatureintheneuralnetwork,forexample,GRNNandSOM,

8、improvesthewayofdataprocessintheS-functionoftheSIMULINKt001.Afterthen,itisturetoreal-time

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。