基于改进RBF神经网络的非线性时间序列预测
Release Time:2019-03-10 Hits:
Indexed by: Conference Paper
Date of Publication: 2003-08-01
Volume: Vol.24
Page Number: 574-575,581
Key Words: 径向基函数神经网络;次胜者受惩算法;最小二乘算法;时间序列;在线预测
Abstract: 本文基于一种改进的径向基函数(RBF)神经网络,进行了非线性时间序列的在线预测研究.该RBF网络通过次胜者受惩算法(RPCL)根据样本信息合理调节隐层中心,通过递归最小二乘算法(ROLS)更新网络输出层的连接权重.算法学习速率较快,从而提高了网络的实时性能.仿真结果表明该学习算法的实用性和有效性.