葉怡成;林冠呈;
頁: 171-190
日期: 2009/07
卷期: 16(3)
關鍵字: 類神經網路;機率神經網路;變數重要性;分類;
Keywords: artificial neural network;probabilistic neural network;variable importance;classification;
摘要: 本研究提出橢圓空間機率神經網路(Ellipse-Space Probabilistic Neural Networks, EPNN)，它擁有三種可透過訓練來修正的網路參數：代表輸入變數重要性的變數權值、代表樣本有效範圍的核寬倒數、及代表樣本可靠程度的資料權值。這些網路參數可以提升模型的準確度，並計算出...

引用     導入Endnote

葉怡成;杜進明;丁導民;王逸芸;劉謹豪;
頁: 51-78
日期: 2008/10
卷期: 15(4)
關鍵字: 資料探勘;類神經網路;關聯規則;關聯分析;
Keywords: Artificial neural network;association analysis;association rule;data mining;
摘要: 本研究所提出的關聯推理神經網路(Association Reasoning Neural Networks, ARNN)是修改自倒傳遞神經網路演算法，可以產生關聯規則，為傳統的關聯分析開啟完全不同的研究途徑。經由一個數值例題與一個實際例題的結果歸納出以下結論：(1)ARNN的推論輸出值與資料中的信賴度...

引用     導入Endnote

葉怡成;陳重志;黃冠傑;
頁: 135-154
日期: 2008/04
卷期: 15(2)
關鍵字: 半徑基神經網路;監督式學習;核函數;分類;
Keywords: Radial basis function network;supervised learning;kernel function;classification;
摘要: 徑向基底函數網路(RBFN)常用於分類問題，它的核有形心與半徑二種參數，這二種參數可用監督式或無監督式學習來決定。但它有一個缺點是視所有自變數有同等地位，故分類邊界是圓形，但事實上每一個自變數對分類的影響力不同，分類邊界是應該是橢圓形較合理。為克服此一缺點...

引用     導入Endnote

連立川;葉怡成;
頁: 29-51
日期: 2008/01
卷期: 15(1)
關鍵字: 股票市場;技術指標;遺傳演算法;類神經網路;
Keywords: Stock market;technical index;genetic algorithms;neural networks;
摘要: 本研究採用台灣大盤股價指數及成交值所轉換的18個價量技術指標做為輸入參數，以期末資金最大化做為適應度函數，應用遺傳演算法(Genetic Algotithms)建構買賣決策類神經網路(Neural Networks)。研究結果顯示，本研究所比較之四種交易策略：遺傳神經網路策略(Genetic Neur...

引用     導入Endnote