共 1 条
[1]
混沌神经网络预测算法评价准则与性能分析
被引：63
作者：
简相超
郑君里
机构：
[1] 清华大学电子工程系!北京,清华大学电子工程系!北京
来源：
关键词：
混沌;
误差函数;
神经网络;
预测;
局部模型;
全局模型;
电离层参数;
D O I：
10.16511/j.cnki.qhdxxb.2001.07.012
中图分类号：
TP183 [人工神经网络与计算];
学科分类号：
140502 [人工智能];
摘要：
为比较各种混沌神经网络预测算法的误差性能 ,该文提出了预测误差评价准则 ,即根均方误差 ,偏差 ,预测精度 ,决定度系数 ,绝对误差 ,以及一些归一化根均方误差等 ,并分析了它们在描述误差特征上的具体含义。针对两种混沌神经网络预测算法 (即全局神经网络算法和局部神经网络算法 ) ,利用该准则进行了性能分析 ,给出了合理的评价。结果表明 ,与混沌神经网络预测的局部模型算法相比 ,全局模型算法有更好的预测效果 ,且训练时间短 ,占用资源少 ,推广能力好
引用
收藏
页码：43 / 46
页数：4
相关论文