基于一种自适应非正交新型聚类算法的RBF神经网络混沌时间序列预测

摘要：

　　运用自适应非正交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RBF网络模型构造非监督学习过程中，提出了一种能同时确定了径向基函数的中心个数和对应的扩展常数的自适应方法。隐层节点在非正交空间中递推选择，扩展常数则以贝叶斯准则(BIC)收敛值作为代价函数利用微分进化(DE)算法取得。为了验证网络的预测性能，将该方法对Logistic和Henon混沌时间序列进行了仿真研究，仿真结果表明了该方法的有效性。

关键词： 神经网络 混沌时间序列 径向基函数 贝叶斯准则 仿真分析 聚类算法

作者: Peng Zhou 周鹏 Zhu Yang 杨铸

作者单位: State Key Laboratory of Optical Communication Technologies and Networks,Wuhan Research Institute of 武汉邮电科学研究院,光纤通信技术和网络国家重点实验室,武汉,中国,430074

会议类型: 国内会议

会议名称: 第十七届全国青年通信学术年会、2012全国物联网与信息安全学术年会

会议地点: 北戴河

会议语种:中文

页码: 73-79

在线出版日期: 2012-07-01（万方平台首次上网日期，不代表论文的发表时间）