基于改进RBF神经网络的非线性时间序列预测

摘要：

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.

关键词： 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

作者: 韩敏 王晨 席剑辉

作者单位: 大连理工大学电子与信息工程学院(大连)

会议类型: 国内会议

会议名称: 中国仪器仪表学会第五届青年学术会议

会议地点: 天津

会议语种:中文

页码: 574-575,581

在线出版日期: 2003-08-01（万方平台首次上网日期，不代表论文的发表时间）