10.3969/j.issn.1006-9348.2009.08.042
学习矢量量化网络在太阳耀斑预报中的应用
为了提高太阳耀斑预报的预报精度,主要是提高识别性能,提出了应用学习矢量量化(Learning Vector Quantity,LVQ)网络建立耀斑预报模型.LVQ是一种基于竞争学习规则的神经网络,采用有监督学习模式.算法每次修改连接获胜输出单元的权向鼍.更新规则是获胜单元的类别与输入向量的类别相匹配,它的权向量将向模式移近,否则将距离拉开.应用LVQ的耀斑预报模型是两层神经网络结构,输入层单元为预报因子的特征值,输出单元是耀斑预报的类别.仿真预报结果证明预撤模型具有较高的预报精度,说明LVQ是有效的预报方法.
耀斑、预报因子、参考点、权值向量、竞争学习
26
TP183(自动化基础理论)
高等学校人才强教计划资助项目PHR200906210;北京市教育委员会科研基地建设项目WYJD200902;北京市教育委员会科技计划项目KM200810037001;国家自然科学基金重点项目10673017
2009-11-03(万方平台首次上网日期,不代表论文的发表时间)
共4页
173-175,187