变结构径向基函数网络及其在混沌序列在线预测中的应用

被引：4

作者：

尹建川

胡江强

何庆华

机构：

[1] 大连海事大学航海学院

来源：

模式识别与人工智能 | 2010年 / 23卷 / 06期

关键词：

混沌序列预测; 径向基函数网络; 序贯学习; 滑动数据窗口;

D O I：

10.16451/j.cnki.issn1003-6059.2010.06.021

中图分类号：

TP183 [人工神经网络与计算];

学科分类号：

摘要：

为了利用径向基函数(RBF)神经网络对混沌序列进行精确和快速的在线预测,提出一种在线构造变结构RBF神经网络的序贯学习算法.该算法建立实时更新的滑动数据窗口,通过学习窗口内的数据对隐节点进行增加和删除,动态确定RBF神经网络隐节点的数目及中心位置,并对隐层至输出层的连接权值进行在线调整.该算法具有调节参数少、学习速度快以及所得网络结构精简等特点.将该网络用于Mackey-Glass混沌时间序列的在线预测实验,结果验证该算法对该混沌序列具有良好的在线动态辨识和预测性能.

引用

页码：874 / 879

页数：6

共 3 条

[1] Configuring radial basis function network using fractal scaling process with application to chaotic time series prediction
Omidvar, AE
[J]. CHAOS SOLITONS & FRACTALS, 2004, 22 (04) : 757 - 766
[2] A sequential learning scheme for function approximation using minimal radial basis function neural networks
Lu, YW
Sundararajan, N
Saratchandran, P
[J]. NEURAL COMPUTATION, 1997, 9 (02) : 461 - 478
[3] A FUNCTION ESTIMATION APPROACH TO SEQUENTIAL LEARNING WITH NEURAL NETWORKS
KADIRKAMANATHAN, V
NIRANJAN, M
[J]. NEURAL COMPUTATION, 1993, 5 (06) : 954 - 975

← 1 →