10.3969/j.issn.1000-3428.2006.12.076
基于多规则实时学习神经网络的时间序列预测模型
在总结现有神经网络方法缺陷的基础上,提出了模型的思路:预测网络小型化;实时学习;多次预测取均值;加入规则辅助神经网络预测.相对于传统的神经网络模型来讲,该模型突出了动态学习、动态预测的特色,增加了辅助预测的3大规则(异常处理规则、再学习规则和取均值规则).给出了该模型的工作流程,并以一个实际问题说明了该模型训练、预测的全过程.数据实例表明,该模型是正确的、可行的.同时和其他5种模型预测结果的对比表明,该模型的预测结果是最优的,这充分体现了模型的有效性、先进性.
时间序列预测、神经网络、实时学习、多规则
32
TP18(自动化基础理论)
国家自然科学基金70272002
2006-07-14(万方平台首次上网日期,不代表论文的发表时间)
共4页
199-201,204