基于改进RBF神经网络的非线性时间序列预测

• 作者: 席剑辉 王晨 韩敏
• 来源期刊: 仪器仪表学报
• 学科: 工学
• 关键词: 径向基函数神经网络 次胜者受惩算法 递归正交最小二乘算法
• 年，卷（期）: 2003,（z1）
• 所属期刊栏目: 新原理、新技术、新材料及新工艺
• 页码范围: 574-575,581
• 页数: 3页
• 分类号: TP18
• 字数: 1054字
• 语种: 中文
• DOI: 10.3321/j.issn:0254-3087.2003.z1.190

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,通过递归正交最小二乘算法(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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	韩敏	大连理工大学电子与信息工程学院	200	2311	23.0	33.0
2	席剑辉	大连理工大学电子与信息工程学院	16	193	9.0	13.0
3	王晨	大连理工大学电子与信息工程学院	10	95	5.0	9.0