基于改进RBF神经网络的非线性时间序列预测

被引：8

作者：

韩敏

王晨

席剑辉

机构：

[1] 大连理工大学电子与信息工程学院,大连理工大学电子与信息工程学院,大连理工大学电子与信息工程学院大连,大连,大连

来源：

仪器仪表学报 | 2003年 / S1期

关键词：

径向基函数神经网络; 次胜者受惩算法; 递归正交最小二乘算法;

D O I：

10.19650/j.cnki.cjsi.2003.s1.190

中图分类号：

TP183 [人工神经网络与计算];

学科分类号：

摘要：

本文基于一种改进的径向基函数 (RBF)神经网络 ,进行了非线性时间序列的在线预测研究。该 RBF网络通过次胜者受惩算法 (RPCL )根据样本信息合理调节隐层中心 ,通过递归正交最小二乘算法 (ROL S)更新网络输出层的连接权重。算法学习速率较快 ,从而提高了网络的实时性能。仿真结果表明该学习算法的实用性和有效性。

引用

页码：574 / 575+581 +581

页数：3