对角型广义RBF神经网络与非线性时间序列预测
径向基函数(RBF)神经网络在非线性时间序列预测方面发挥着重要作用.本文提出了对角型广义RBF神经网络模型,并利用贝叶斯阴阳(BYY)和谐学习算法进行隐层单元个数的确定和参数初始值的选取,并且建立了同步LMS算法进行参数学习.进一步,将对角型广义RBF神经网络应用于非线性时间序列预测,得到了预测准确率高和速度快的效果.
RBF神经网络、贝叶斯阴阳和谐学习、非线性时间序列、预测
29
TP183(自动化基础理论)
教育部博士点基金项目20100001110006的资助
2014-02-14(万方平台首次上网日期,不代表论文的发表时间)
共6页
1609-1614