搜索

x

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于一种新型聚类算法的RBF神经网络混沌时间序列预测

张军峰 胡寿松

基于一种新型聚类算法的RBF神经网络混沌时间序列预测

张军峰, 胡寿松
PDF
导出引用
计量
  • 文章访问数:  4343
  • PDF下载量:  2371
  • 被引次数: 0
出版历程
  • 收稿日期:  2006-05-16
  • 修回日期:  2006-06-19
  • 刊出日期:  2007-01-05

基于一种新型聚类算法的RBF神经网络混沌时间序列预测

  • 1. 南京航空航天大学自动化学院,210016 南京
    基金项目: 

    国家自然科学基金重点项目(批准号:60234010),航空科学基金(批准号:05E52031),国防基础科研项目(批准号:K1603060318)资助的课题.

摘要: 运用两阶段学习方法构建径向基函数(RBF)神经网络模型预测混沌时间序列.在利用非监督学习算法确定网络隐层中心时,提出了一种基于高斯基的距离度量,并联合输入输出聚类的策略.基于Fisher可分离率设计高斯基距离度量中的惩罚因子,可以提高聚类的性能.而输入输出聚类策略的引入,建立了聚类性能与网络预测性能之间的联系.因此,根据本文方法构建的网络模型,一方面可以加快网络训练的速度,另一方面可以提高预测性能.将该方法对Mackey-Glass, Lorenz和Logistic混沌时间序列进行了预测仿真研究,仿真结果表明了该方法的有效性.

English Abstract

目录

    /

    返回文章
    返回