bp神经网络股市

① 神经网络预测股票准吗

目前还达不到非常准确的效果，决定股票走势的因子很多，有些如突发的并购、减持、宏观经济的事件、公司人事的更迭等等，这些事件神经网络没法给出好的判断。

② 求助：用神经网络做一个数据预测

下列代码为BP神经网络预测37-56周的销售量的代码：

% x为原始序列

load 销售量.mat

data=C

x=data';

t=1:length(x);

lag=2;

fn=length(t);

[f_out,iinput]=BP(x,lag,fn);

%预测年份或某一时间段

t1=fn:fn+20;

n=length(t1);

t1=length(x)+1:length(x)+n;

%预测步数为fn

fn=length(t1);

[f_out,iinput]=BP(x,lag,fn);

P=vpa(f_out,5);

[t1' P']

% 画出预测图

figure(6),plot(t,x,'b*-'),hold on

plot(t(end):t1(end),[iinput(end),f_out],'rp-'),grid on

xlabel('周数'),ylabel('销售量');

str=['BP神经网络预测',num2str(length(x)+1),'-',num2str(length(x)+20),'周的销售量'];

title(str)

str1=['1-',num2str(length(x)),'周的销售量'];

str2=[num2str(length(x)+1),'-',num2str(length(x)+20),'周的预测销售量'];

legend(str1,str2)

运行结果

③ 神经网络——BP算法

对于初学者来说，了解了一个算法的重要意义，往往会引起他对算法本身的重视。BP(Back Propagation，后向传播)算法，具有非凡的历史意义和重大的现实意义。

1969年,作为人工神经网络创始人的明斯基(Marrin M insky)和佩珀特(Seymour Papert)合作出版了《感知器》一书,论证了简单的线性感知器功能有限,不能解决如“异或”(XOR )这样的基本问题,而且对多层网络也持悲观态度。这些论点给神经网络研究以沉重的打击,很多科学家纷纷离开这一领域,神经网络的研究走向长达10年的低潮时期。[1]

1974年哈佛大学的Paul Werbos发明BP算法时，正值神经外网络低潮期，并未受到应有的重视。[2]

1983年，加州理工学院的物理学家John Hopfield利用神经网络，在旅行商这个NP完全问题的求解上获得当时最好成绩，引起了轰动[2]。然而,Hopfield的研究成果仍未能指出明斯基等人论点的错误所在,要推动神经网络研究的全面开展必须直接解除对感知器——多层网络算法的疑虑。[1]

真正打破明斯基冰封魔咒的是，David Rumelhart等学者出版的《平行分布处理:认知的微观结构探索》一书。书中完整地提出了BP算法,系统地解决了多层网络中隐单元连接权的学习问题,并在数学上给出了完整的推导。这是神经网络发展史上的里程碑，BP算法迅速走红，掀起了神经网络的第二次高潮。[1,2]

因此，BP算法的历史意义：明确地否定了明斯基等人的错误观点，对神经网络第二次高潮具有决定性意义。

这一点是说BP算法在神经网络领域中的地位和意义。

BP算法是迄今最成功的神经网络学习算法，现实任务中使用神经网络时，大多是在使用BP算法进行训练[2],包括最近炙手可热的深度学习概念下的卷积神经网络(CNNs)。

BP神经网络是这样一种神经网络模型，它是由一个输入层、一个输出层和一个或多个隐层构成，它的激活函数采用sigmoid函数，采用BP算法训练的多层前馈神经网络。

BP算法全称叫作误差反向传播(error Back Propagation，或者也叫作误差逆传播)算法。其算法基本思想为：在2.1所述的前馈网络中，输入信号经输入层输入，通过隐层计算由输出层输出，输出值与标记值比较，若有误差，将误差反向由输出层向输入层传播，在这个过程中，利用梯度下降算法对神经元权值进行调整。

BP算法中核心的数学工具就是微积分的 链式求导法则 。

BP算法的缺点，首当其冲就是局部极小值问题。

BP算法本质上是梯度下降，而它所要优化的目标函数又非常复杂，这使得BP算法效率低下。

[1]、《BP算法的哲学思考》，成素梅、郝中华著

[2]、《机器学习》，周志华著

[3]、 Deep Learning论文笔记之（四）CNN卷积神经网络推导和实现

2016-05-13 第一次发布

2016-06-04 较大幅度修改，完善推导过程，修改文章名

2016-07-23 修改了公式推导中的一个错误，修改了一个表述错误

④ 神经网络权值怎么算

net.iw{1,1}=W0;net.b{1}=B0;
net.iw{1,1}=W0;输入层和隐层间的权值，net.b{1}=B0输入层和隐层间的阈值.

BP(back propagation)神经网络是1986年由Rumelhart和McClelland为首的科学家提出的概念，是一种按照误差逆向传播算法训练的多层前馈神经网络，是目前应用最广泛的神经网络。

BP神经网络具有任意复杂的模式分类能力和优良的多维函数映射能力，解决了简单感知器不能解决的异或(Exclusive OR，XOR)和一些其他问题。从结构上讲，BP网络具有输入层、隐藏层和输出层；

从本质上讲，BP算法就是以网络误差平方为目标函数、采用梯度下降法来计算目标函数的最小值。

(4)bp神经网络股市扩展阅读：

BP神经网络无论在网络理论还是在性能方面已比较成熟。其突出优点就是具有很强的非线性映射能力和柔性的网络结构。网络的中间层数、各层的神经元个数可根据具体情况任意设定，并且随着结构的差异其性能也有所不同。但是BP神经网络也存在以下的一些主要缺陷。

①学习速度慢，即使是一个简单的问题，一般也需要几百次甚至上千次的学习才能收敛。

②容易陷入局部极小值。

③网络层数、神经元个数的选择没有相应的理论指导。

④网络推广能力有限。

对于上述问题，目前已经有了许多改进措施，研究最多的就是如何加速网络的收敛速度和尽量避免陷入局部极小值的问题。

⑤ BP是什么

1、沸点
BP（Boiling Point ），（物理学）沸点。
2、血压
BP（blood pressure），（医学）血压。
3、基点
Basis Point（bp）基点。用于金融方面，债券和票据利率改变量的度量单位。一个基点等于1个百分点的1%，即0.01%，因此，100个基点等于1%。 如： 一浮动利率债券的利率可能比LIBOR高10个基点，100个基点相当于1%，该债券的利率可能比普遍使用的LIBOR利率高0.1%。 [例] 当美联储宣布将利率下调50个基点时，也就等于下降了0.5个百分点。
4、碱基对
bp（base pair），（生物学）碱基对。 1bp=1碱基对。
5、英国石油集团公司
BP(British Petroleum)，英国石油集团公司。 BP石油集团公司
BP是世界上最大的石油和石化集团公司之一。由前英国石油、阿莫科、阿科和嘉实多等公司整合重组形成。公司的主要业务是油气勘探开发；炼油；天然气销售和发电；油品零售和运输；以及石油化工产品生产和销售。此外，公司在太阳能发电方面的业务也在不断壮大。BP总部设在英国伦敦。公司目前的资产市值约为2000亿美元，拥有愈百万股东。BP 近十一万员工遍布全世界，在百余个国家拥有生产和经营活动。2003年，BP在《财富》杂志的全球500强中排前五名，名列欧洲500强之首。 自1973年在华拓展业务以来，BP在一系列商业项目中累计投资超过40亿美元，积极参与了中国的经济建设。迄今BP是中国最大的海上天然气生产企业，中国第一家液化天然气(LNG)的唯一外方合作伙伴，石化领域最大的外资投资企业，中国最大的液化石油气(LPG)进口和营销企业，唯一参与航空燃油服务的外方合作伙伴，等。主要的合资企业有：向海南和香港供气的崖城天然气田，BP广东液化天然气站线项目，上海赛科，宁波华东BP液化石油气有限公司， 珠海PTA, 重庆扬子乙酰，蓝天航空燃油服务公司等。 约翰。布朗全球实力商业领袖 --《财富》2003年八月期专题报道译文《财富》2003年八月期载文报道，在美国之外最有影响力的25位商业领袖之中，英国BP CEO约翰·布朗(John Browne)名列榜首。 去年壳牌超过BP成为在美国之外最大的石油公司。但是壳牌的Phil Warts仅仅是继承了一个庞大的公司，而约翰·布朗则是在1998年合并阿莫科(Amoco)和2000年收购阿科(Arco)之后成功地把BP打造成一个超级企业。BP公司的CEO同时挥师俄罗斯，创建了对所有西方投资者来说最大的合资公司， 从而展示了实力。今年55岁的约翰。布朗，因为其聘用员工的做法而备受女性群体的尊敬与喜爱，同时由于倡导和推进绿色环保方面的努力，使其比同行更受欢迎。
其他
2010年雅虎十大热门搜索词
6、寻呼机
BP（beeper），BP机，寻呼机，传呼机。
7、反向传播
BP（Back Propagation），反向传播。 BP神经网络，即误差反传误差反向传播算法的学习过程，由信息的正向传播和误差的反向传播两个过程组成。输入层各神经元负责接收来自外界的输入信息，并传递给中间层各神经元；中间层是内部信息处理层，负责信息变换，根据信息变化能力的需求，中间层可以设计为单隐层或者多隐层结构；最后一个隐层传递到输出层各神经元的信息，经进一步处理后，完成一次学习的正向传播处理过程，由输出层向外界输出信息处理结果。当实际输出与期望输出不符时，进入误差的反向传播阶段。误差通过输出层，按误差梯度下降的方式修正各层权值，向隐层、输入层逐层反传。周而复始的信息正向传播和误差反向传播过程，是各层权值不断调整的过程，也是神经网络学习训练的过程，此过程一直进行到网络输出的误差减少到可以接受的程度，或者预先设定的学习次数为止。
8、基址指针寄存器
BP（Base Pointer），基址指针寄存器。 编程时存储器寻址采用逻辑地址，逻辑地址有偏移地址和段地址。BP为基址指针寄存器，指明了数据的偏移地址，而段地址默认是堆栈段。所以就有了上面的表述。 例如：MOV AX,[BP] 源操作数指明一个主存数据，这个数据所在存储单元的段地址由SS指明、偏移地址由BP指明。
9、药学士
BP（Bachelor of Pharmacy），药学士。
10、理学学士
BP（Bachelor of Philosophy ），理学学士，哲学学士。
11、反压力
BP（Back Pressure），反压力。
BP（Band Pass），（无线电）（计算机）带通。
13、大气压
BP（Barometric Pressure ），大气压。
编辑本段14、海岸信标
BP（Beacon Point ），海岸信标，航标站。
编辑本段15、锅炉压力
BP（Boiler Pressure ），锅炉压力。
编辑本段16、 英国专利
BP（British Patent ），英国专利。
编辑本段17、《英国药典》
BP（British Phamacopoeia），《英国药典》。
编辑本段18、《巴格达条约》
BP（Baghdad Pact ），《巴格达条约》
编辑本段19、 中断点
BP（Break Point）， （计算机）中断点。
编辑本段20、下电嘴
BP（Bottom Plug ），下电嘴，下电咀
编辑本段21、蓝图
BP（Blueprint ），蓝图。
编辑本段22、董事长
BP（Board President ），董事长。
编辑本段23、蓝相(BP)
蓝相(BP)是液晶中具有特殊性质的一个相态,它的序参量表现出三维空间周期性.蓝相是出现在一个狭小的温度间隔里(量级为0.1-1K)的稳定相态. 蓝相是各种胆甾相液晶（胆甾醇衍生物和手性液晶）在稍低于清亮点时存在的一个或两个热力学稳定相，它是介于胆甾相和各向同性相之间的一个狭窄温度区间（只有几度）的新相，由于通常呈现蓝色，故称为蓝相。这是由于它选择性反射圆偏振光或伴随的异常旋光弥散所致。 蓝相是稳定的相态，具有远程取向有序的特征。但蓝相不一定都是蓝色，蓝、蓝灰、绿以至于白色都有可能。其彩色取决于布拉格散射，当然主要是螺距的长短。
编辑本段24、二苯甲酮
BP（Benzophenone, di-phinyl ketone），二苯甲酮 紫外线吸收剂（吸收紫外线波长290-360纳米）和引发剂，有机颜料，医药，香料，杀虫剂的中间体 医药工业中用于生产双环乙哌啶，苯甲托品氢溴酸盐，苯海拉明盐等，也是苯乙烯聚合抑制剂和香料定香剂，能赋予香料以甜的气息，用在许多香水和皂用香精中。 化妆品工业中可用于防晒油/膏。
编辑本段25、泡打粉
B.P（Baking Powder） ，泡打粉的缩写。泡打粉又称『速发粉』或『泡大粉』或『蛋糕发粉』或『发酵粉』，是西点膨大剂的一种，经常用于蛋糕及西饼的制作。配料中的钾明矾有毒害,现在被医学证明不宜食用.会导致骨质疏松、贫血，甚至影响神经细胞的发育。及引起老年性痴呆症。
编辑本段26、购买力
B.P (Buying Power) 购买力。在股票交易市场特别是日内交易市场中，BuyingPower是指交易员所能动用的资金量。B.P不等同于现金。经纪公司会专门建立一个资金池，交易员所需要的B.P就是从资金池中取得的。因而交易员并不能转移其所使用的BP，而只能使用其来买卖股票或期货。如果有10个交易员，每个交易员需要使用100万，那么资金池并不需要准备1000万的资金，而只需要准备一定百分比的资金就足够了。因为交易员所占用的BP是动态的，只要根据经验峰值统计，就可以确定出比较合理的百分比了。
编辑本段27、扩充包、素材包
BP(Booster Pack ; 扩充包 ; 素材包)是游戏中队游戏本身进行扩展的文件版本。
编辑本段28.DNF中一种特殊的积分点
DNF中文名称地下城与勇士，在新开放的的无尽的祭坛中BP可通过杀死怪物或服用BP药水获取。BP可用于购买五种能力：恢复，加力量，加智力，加速度，减少冷却时间。

⑥ 吴微的论文论著

1． 吴微,解非线性分枝问题的扩展方程方法,
科学出版社, 北京, 1993.
2.R. Li, Z. Chen and W. Wu, Generalized Difference Methods for
Differential Equations,
(美国）Marcel Dekker Inc., New York, 2000.
3.吴微, 神经网络计算,
高等教育出版社, 北京, 2003.(“十五”规划国家级教材) 1． 吴微,李荣华, 解一维二阶椭圆和抛物型微分方程的广义差分法,
数学年刊, 5A(1984)303-312.
2． 吴微, 系数与时间相关的二阶双曲方程的半离散有限元逼近,
吉大自然科学学报报, 1(1985)35-42.
3． 吴微, 与时间相关的二阶双曲方程的全离散有限元逼近,
吉大自然科学学报, 2(1985)46-54.
4． 吴微, 与时间相关的非自共轭抛物方程的全离散有限元逼近,
高校计算数学, 2(1985)113-120.
5． 倪平,吴微,广义 Galerkin 方法的超收敛估计,
高校计算数学学报, 2(1986)154-158.
6． 吴微, 解双调和方程的混合广义差分法,
吉大自然科学学报, 3 (1986)14-22.
7． 吴微, The Calahan method for parabolic equations with time-
dependent coefficients,
计算数学(英文版), 5(1987)10-20.
8． 包刚,吴微, 二阶双曲方程广义差分法的误差估计,
吉大自然科学学报, 2(1987)33-42.
9． 吴微, 非线性抛物方程广义差分法的误差估计,
计算数学(中文版), 2(1987)119-132.
10．吴微, 非线性转折点计算中的矩阵分裂技巧,
高校计算数学学报, 4 (1990)355-369.
11．P.J. Aston, A. Spence and W. WU, Bifurcation to rotating waves in
equations with O(2)-symmetry,
SIAM J. Apll. Math., 52(1992)792-809. （SCI)
12．P.J. Aston, A.Spence and W.Wu, Numerical investigation of the
bifurcation from travelling waves to molated travelling waves,
Inter. Ser. Numer. Math., 104(1992)35-47.
13．Wei WU, Nondegeneracy of Hopf points emanating from a Z_2 symmetry-
breaking Takens-Bogdanov point,
Appl. Math. Lett., 6(1993)9-12. (SCI)
14．吴微,吴柏生,李荣华, Singular points near a double foldpoint in
Z_2-symmetric nonlinear equations,
高校计算数学学报(英文版), 2(1993)101-115.
15．A. Spence, W. Wu, D. Roose and B. De Dier, Bifurcation analysis of
double Takens- Bogdanov points of nonlinear equations with $Z_2$-
symmetry,
Inter. J. Bifurcation and Chaos, 3(1993)1141-1153.
16．苏毅,吴微, 从双重折叠点分枝出的 Hopf 点的非退化性和稳定性,
吉大自然科学学报, 3(1993)1-8.
17．吴微, Galerkin methods for elliptic and parabolic convection-
diffusion problems,
东北数学, 9(4)(1993)525-538.
18．吴微, A Petrov-Galerkin method based on symmetrization for
convection-defusion problems,
东北数学, 10(1)(1994)59-70.
19．W. Wu and A. Spence, A pitchfork/fold interaction in nonlinear
equations with Z2-symmetry,
东北数学, 10(2)(1994)174-180.
20．W. Wu, Y. Zou and M. Huang, Heteroclinic cycles emanating from
local bifurcations,
manuscripta mathematika, 85(1994)381-392.(SCI)
21．W. Wu, P.J. Aston and A. Spence,
Rotating waves from Hopf bifurcations in equations with O(2)-
symmetry,
SIAM J. Sci. Comput., 15(3)(1994)495-510.(SCI)
22．W. Wu, A. Spence and K.A. Cliffe,
Steady-state/Hopf interaction at a symmetry-breaking Takens-
Bogdanove point,
IMA J. Numer. Anal., 14(1994)137-160.(SCI)
23．吴微, Stability of travelling waves,
数学研究与评论, 14(3)(1994)1-7.
24．苏毅,吴微, Singular points near an X0-breaking double singular fold
point in Z2-symmetric nonlinear equations,
东北数学, 10(3)(1994) 385-395.
25．W. Wu and Y. Su, Stability of periodic solutions generated by Hopf
points emanating from a Z_2-symmetry-breaking Takens-Bogdanov
point,
东北数学, 11(2)(1995)157-168.
26．吴微, Period-doubling bifurcation of travelling waves,
非线性动力学学报, 2(增刊)(1995)48-52.
27. 吴微，Bifurcation from steady-state to global dynamics,
Bull. Allahabad Math. Soc., 10/11(1995/96)85-94.
28．邹永魁,吴微,Petrov-Galerkin method with linear trial and
quadratic test spaces for parabolic convection-diffusion problems,
东北数学, 12(2)(1996)207-216.
29．W.Wu,On nondegeneracy of Hopf bifurcation points emanating from
TB point.
Nonlinear Analysis T.M.A., 26(6)(1996) 1161-1168.(SCI)
30．P.J. Aston, A. Spence and W. Wu, Hopf bifurcation near a double
singular point,
J. Computational and Applied Mathemetics, 80(1997)277-297.(SCI)
31．W. Wu and F.Y. Meng,Mode interaction at a triple zero point of
O(2)-symmetric nonlinear systems with two parameters,
东北数学, 16(1)(2000)10-20.
32. 吴微，赵卫海，广义逆矩阵及其在神经网络计算中的应用，
大连理工大学学报，40(S1)(2000)9-11。
33. 吴微，陈维强，刘波，用BP神经网络预测股票市场涨跌，
大连理工大学学报，41(1)(2001)9-15。
34. 李正学，吴微，张宏伟，Convergence of on-line gradient methods for
two-layer feedforward neural networks，
数学研究与评论， 21(2)(2001)219-228。
35．孔俊，吴微，赵卫海，识别数学符号的神经网络方法，
吉大自然科学学报, 3(2001)11-16.
36. 吴微，陈维强，用于股市预测的BP算法的一些改进，
大连理工大学学报，41(5)(2001)518-522。
37. 孔俊，吴微，Online gradient methods with a punishing term for
nureul networks,
东北数学, 17(3)(2001)371-378.
38. Wei Wu and Yi Su, Hopf bifurcation near a singular point with Z2-
symmetry and X0-breaking,
J. Computational and Applied Mathematics, 144(1-2)(2002)335-347.
(SCI)
39. Wei Wu and Yuesheng Xu, Deterministic convergence of an online
gradient method for neural networks,
J. Computational and Applied Mathematics,144(1-2)(2002)335-347
(SCI)
40. Wei Wu, Guori Feng and Xin Li, Training multiple perceptrons via
minimization of sum of ridge functions,
Advances in Computational Mathematics, 17(2002)331-347.
(SCI)
41．Zhengxue Li, Wei Wu and Weidong Gao, Predictions of stock market
by BP neural networks with technical indexes as input,
J. Mathematical Research and Exposition, 23(2003)83-97.
42．郭立宾，吴微，二维图像中交叉点的神经网络识别，
大连理工大学学报，43(2003)548-550。
43．Wei Wu and Zhiqiong Shao, Convergence of online gradient methods
for continuous perceptrons with linearly separable training
patterns,
Applied Mathematics Letters, 16(2003)999-1002.(SCI)
44．Zhengxue Li, Wei Wu and Yuelong Tian, Convergence of an online
gradient method for feedforward neural networks with stochastic
inputs，
Journal of Computational and Applied Mathematics, 163(1)(2004)
165-176.(SCI)
45．张玉林，吴微，用BP神经网络捕捉股市黑马初探，
运筹与管理，13(2)(12004)123-130.
46. Lijun Liu and Wei Wu, Finite convergence of MR1 neural networks
for linearly separable training patterns,
Lecture Notes in Computer Science, 3147(2004)282-295. (SCI)
47. Wei Wu et al., Recent developments in on convergence of online
gradient methods for neural network training,
Lecture Notes in Computer Science, 3147(2004)235-238. (SCI)
48. Liqing Zhang and Wei Wu, Online gradient methods with a penalty
term for neural networks with large training set,
J. of Nonlinear Dynamics in Science and Technology, 11(2004)53-58.
49. Hongmei Shao, Wei Wu and Feng Li, Convergence of online gradient
method with a penalty term for feedforward neural networks with
stochastic inputs, Numerical Mathematics, A journal Chinese
Universities, 14(2004)87-96.
50. Wu, W., Feng, G., Li, Z. and Xu, Y., Deterministic Convergence of
an Online Gradient Method for BP Neural Networks, IEEE
Transactions on Neural Networks, 16(2005)533- 540. (SCI)
51. Zhengxue Li, Wei Wu, Guorui Feng and Huifang Lu, Convergence of an
Online Gradient Method for BP Neural Networks with Stochastic
Inputs, Lecture Notes in Computer Science, 3610(2005)720-729.
Ei Compedex (05439427415), SCI (BDA22)
52. Yang, J; Wu, W; Shao, ZQ, A new training algorithm for a fuzzy
perceptron and its convergence, Lecture Notes in Computer Science,
3496(2005) 609-614, Ei Compendex (05399382279), SCI (BCN38)
53. 曲笛，吴微，邵红梅，带动量项的线性输出BP网络收敛性, 高校计算数学学
报，27（2005）增刊，368—372.
54. Naimin Zhang; Wei Wu; Gaofeng Zheng, Convergence of gradient
method with momentum for two-Layer feedforward neural networks,
IEEE Transactions on Neural Networks, vol.17, no.2, 2006, 522-
525, Ei Compendex (06129763934), SCI (026SD)
55. Wei Wu, Feng Li, Jun Kong, Lichang Hou, and Bingi Zhu，A Bottom-
Up OCR System for Mathematical Formulas Recognition，D.-S. Huang,
K. Li, and G.W. Irwin (Eds.): ICIC 2006, Lecture Notes in Computer
Science, 4113（2006）274–279, Ei Compendex（064210172616），SCI
56. 吴微，侯利昌， 基于LL（1）文法的印刷体数学公式结构分析方法， 大连理
工大学学报，46（2006）454-459
57. SHAO Zhiqiong, WU Wei, YANG Jie, Finite convergence of On-line BP
neural networks with linearly separable training patterns, 数学研究
与评论，26（2006）451-456
58. Wei Wu, Hongmei Shao, and Zhengxue Li，Convergence of Batch BP
Algorithm with Penalty for FNN Training， I. King et al. (Eds.):
ICONIP 2006, Part I, Lecture Notes in Computer Science 4232, 562–
569, 2006. SCI (BFG80)
59. Lichang Hou, Wei Wu, Bingi Zhu, Feng Li, A Segmentation Method
for Merged Characters Using Self-Organizing Map Neural Networks,
Journal of Information and Computational Science, 3:2(2006)219-
226. EI Compendex
61. Hongmei Shao, Wei Wu, Lijun Liu， Convergence and Monotonicity of
an Online Gradient Method with Penalty for Neural Networks， WSEAS
TRANSACTIONS on MATHEMATICS，6:3（2007）469-476. EI Compendex
62. 陈兵，吴微，基于SOFM和最短路径法的粘连字符分割，仪器仪表学报, 2006
年第6期增刊，2090-2106
63. Lijun Liu and Wei Wu，Dynamical System for Computing Largest
Generalized Eigenvalue，J. Wang et al. (Eds.): ISNN 2006, Lecture
Notes in Computer Science 3971, 399-404, 2006. SCI
64. Huifang Lu, Wei Wu, Chao Zhang, Yanxiong, Convergence of Gradient
Descent Algorithm for Pi-Sigma Neural Networks, Journal of
information and Computational Science, 3:3(2006)503-509. EI
Compendex
三. 国际会议论文集
1． Wei Wu, E. Suli and K.W. Morton,
Optimal order estimates for linear Galerkin methods for convection-
diffusion problems,
MAFLAP 87, London,Academic Press, 1988.
2． A. Spence, P.J. Aston and W. Wu,
Bifurcation and stability analysis in nonlinear equations using
symmetry-breaking in extended systems,
Numerical Analysis, Dundee, 89, eds. D.F Griffiths at. al.,
Longman, 1990, 243-256.
3． W. Wu,K.A. Cliffe and A. Spence,
Steady-state/steady-state mode interaction in nonlinear equations
with Z2-symmetry,
Continuation and Bifurcation: Numerical Techniques and
Applications, eds. D. Roose, De D. Dier and A. Spence, Leuvon,
Belgium, 89.Kluwer Academic Press, 1990, Series C: Mathematical
and Physical Science, Vol. 313., 89-104.
4． Wei Wu and A. Spence,
Hopf points emanating from a double singular fold point,
工程与科学中的非线性问题国际会议文集, 肖竹铁,胡向忱主编, 科学出版
社, 北京,1992, 267-269.
5． Wei Wu,
Mode interaction at a triple zero point of O(2)-symmetric
nonlinear systems with two parameters,
World Congress of Nonlinear Analysts'92, Florida, ed. V.
Lakshmikantham, Walter de ruyter, Berlin, New York, 1996,2011-2022.
6． Wei Wu, Heteroclinic and Hopf points bifurcating from local
singular points,
Bifurcation Theory and Its Numerical Analysis, eds. Z. Chen, S.
Chow, K. LI, Xi’an, China, 1998, Springer, 194-202.
7.Wei Wu，Convergence of an online gradient method,
Abstracts of short communications and poster sessions,
InternationalCongress of Mathematicians, Beijing, 2002, Higher
Ecation Press, p353.
8.Wei Wu and Yuesheng Xu, Convergence of online gradient method for
neural networks, in Numeriacal Liner Algebra and Optimization,
edited by Ya-xiang Yuan, (Proceedings of 2001’ International
Conference on Numerical Optimization and Numerical Algebra,
Dunhuang, China, ) Science Press, Beijing/New York, 2003, 52-67,
(Invited lecture)
9.Hongmei Shao, Wei Wu, Feng Li and Gaofeng Zheng, Convergence of
gradient algorithm for feedforward neural network training, The
Proceedings of International symposium on Computing and
Information (ISC&I 2004), Edited by Renhong Wang and Xiaonan Luo,
CIC Media Ltd., 2004, pp. 627-631
10. Wei Wu, Hongmei Shao and Di Qu, Strong convergence for gradient
methods for BP networks training, Proceedings of 2005
International Conference on Neural Networks & Brains (ICNN&B’05),
Edited by Mingsheng Zhao and Zhong Shi, Beijing, China, 2005,
IEEE Press. pp. 332-334.
11. 李峰, 吴微, 版面分析中基于可并行化局部操作序列的局部极大成分标记,
第六届全球智能控制与自动化大会 (WCICA’06), 大连, 中国, 2006, IEEE
Press. pp. 10512-10516. (ISBN:1-4244-0331-6) EI
12. HONGMEI SHAO, WEI WU，LIJUN LIU，Convergence of an Online Gradient
Algorithm with Penalty for Two-layer Neural Networks，Proceedings
of the 10th WSEAS International Conference on APPLIED MATHEMATICS,
Dallas, Texas, USA, November 1-3, 2006. Edited by G. R.
Dattatreya, WSEAS, (ISSN: 1790-5117, ISBN: 960-8457-55-6)
13. Wei Wu, Liqing Zhang and Naimin Zhang, Online gradient method with
a penalty term for BP neural networks, in Proceedings of the
Seventh China-Japan Seminar on Numerical Mathematics, Zhangjiajie,
2005, Edited by Zhong-Ci Shi and Hisashi Okamoto, pp.179-192,
Science Press, Beijing, 2006. 1.李正学，吴微, 引入技术指标的BP网络在沪市综合指数涨跌预测中的应用,
CCAST-WL Workshops Series, Beijing, Aug. 2001, Vol. 142, 161-176.
2.吴微，陈维强，刘播，用BP神经网络预测股票市场涨跌，
CCAST-WL Workshops Series, Beijing, Aug. 2000, Vol. 127, 1-22.
3.吴微, Generalized Difference Methods for Partial Differential
Equations,
The Third International Workshop on Scientific Computing and
Applications, Hongkong, 2003, 国际会议特邀报告.
4.吴微，Monotone and deterministic convergence of online gradient
methods for feedforward neural networks，
第二届中韩数值分析及其应用研讨会，北京，2003, 国际会议特邀报告.
5.吴微，Deterministic convergenceof an online gradient method for BP
neural networks，
The Second International Symposium on Computing Science,
Guangzhou, 2002, 国际会议特邀报告.
6.吴微，Some recent developments on convergence online gradient
methods for neural networks,
第七届中日计算数学研讨会,张家界,2004, 国际会议特邀报告.