10.3969/j.issn.1006-4710.2008.03.008
混沌时间序列的自适应正交小波神经网络预测
针对非线性混沌时间序列预测问题,提出一种基于正交小波神经网络的自适应预测算法.根据来自非线性序列模型的期望输入输出数据,利用小波框架理论建立初始的小波神经网络.采用正交化逐步选择方法对于初始小波神经网络进行结构优化,从而建立最精简的网络模型.同时引入在线学习算法在线修改网络权值和小波神经元的参数,从而提高模型的自适应能力和泛化能力.通过对时滞Mackey-Glass超时间序列和时变Lorenz混沌序列的预测,证明了算法的有效性.
混沌时间序列、小波框架、正交化逐步选择、自适应预测
24
TP183(自动化基础理论)
2009-02-10(万方平台首次上网日期,不代表论文的发表时间)
共6页
295-300