王海丹
- 作品数：2 被引量：6H指数：1
- 供职机构：沈阳航空航天大学自动化学院更多>>
- 发文基金：国家自然科学基金辽宁省教育厅计划项目更多>>
- 相关领域：自动化与计算机技术理学更多>>
- 基于神经网络的多变量混沌时间序列建模和预测
- 本文采用RBF神经网络对多变量混沌时间序列进行建模和预测研究。因为隐层聚类中心的确定对于RBF网络性能有非常重要的影响,同时对于多变量时间序列而言,大量数据样本含有过多的冗余信息,会对网络训练过程造成干扰。本文主要从两个...
- 王海丹
- 关键词：RBF神经网络混沌
- 文献传递
- 基于改进RBF网络的多变量序列建模和预测被引量：6
- 2012年
- 针对复杂系统多变量序列预测研究中数据样本过多、信息冗余等问题,从学习样本选择和聚类中心优化两方面对径向基函数(RBF)网络进行改进.基于复杂系统多变量时间序列,首先采用一个线性相关函数和一个非线性相关函数分别计算多变量状态间的线性相关性和非线性相关性,确定一个包含系统有效信息的小数据集;然后基于小数据集,采用K均值聚类方法确定RBF网络的隐层聚类中心,并引入局部搜索过程,优化聚类中心结果;输入其它训练样本,确定网络权值.仿真结果表明,与常规RBF网络学习方法比较,在隐层节点数目相同情况下,改进的方法有效地确定了网络的聚类中心,达到更好的预测精度.
- 席剑辉王海丹
- 关键词：径向基函数神经网络多变量聚类中心
