论文部分内容阅读
研究了径向基函数神经网络(RBFNN)的优化问题,利用最小二乘支持向量回归(LSSVM)方法获取了网络的隐层节点数目、网络中心以及网络权值,从而构造出RBF神经网络较优的初始结构和网络参数,最后再用梯度下降法调节网络参数.将改进后的网络算法应用于个股股价的预测上,能够精确地预测个股股价.