基于核的双自组织特征映射网络在预测中的应用
提出了一种基于核的双自组织特征映射网络.该网络通过同时使用两个相关的映射网络扩展了原有的自组织神经网络,针对自组织特征映射网络容易受到高噪声的影响,将核学习的方法应用于自组织映射聚类中,以核函数代替了原始数据在特征空间中映射值的内积,传统的SOM算法使用的是欧氏距离,而KSOM通过使用不同的核函数为原始空间诱导出不同的欧式距离,这样就提高了算法的鲁棒性.将改进后的神经网络用于金融时间序列的预测,其实验结果表明,改进后的神经网络具有较强的鲁棒性.
自组织映射网络、双映射、核方法、鲁棒、预测
29
TP183(自动化基础理论)
国防应用基础研究基金项目A1420061266:教育部05年度科学研究重点基金项目105087
2008-07-09(万方平台首次上网日期,不代表论文的发表时间)
共4页
2324-2327