共 1 条
一种新型广义RBF神经网络在混沌时间序列预测中的研究
被引：23
作者：
李军
刘君华
机构：
[1] 西安交通大学电气工程学院
[2] 西安交通大学电气工程学院 西安
[3] 西安
来源：
关键词：
广义径向基函数神经网络;
卡尔曼滤波;
梯度下降学习算法;
混沌时间序列;
预测;
D O I：
暂无
中图分类号：
TP183 [人工神经网络与计算];
学科分类号：
081104 ;
0812 ;
0835 ;
1405 ;
摘要：
提出了一种新颖的广义径向基函数神经网络模型,其径向基函数(RBF)的形式由生成函数确定.然后,给出了易实现的梯度学习算法,同时为了进一步提高网络的收敛速度和网络性能,又给出了基于卡尔曼滤波的动态学习算法.为了验证网络的学习性能,采用基于卡尔曼滤波算法的新型广义RBF网络预测模型对Mackey-Glass混沌时间序列和Henon映射进行了仿真.结果表明,所提出的新型广义RBF神经网络模型能快速、精确地预测混沌时间序列,是研究复杂非线性动力系统辨识和控制的一种有效方法.
引用
收藏
页码：4569 / 4577
页数：9
相关论文