一种新型广义RBF神经网络在混沌时间序列预测中的研究

• 作者: 刘君华 李军
• 来源期刊: 物理学报
• 学科: 工学
• 关键词: 广义径向基函数神经网络 卡尔曼滤波 梯度下降学习算法 混沌时间序列 预测
• 年，卷（期）: 2005,（10）
• 所属期刊栏目: 总论
• 页码范围: 4569-4577
• 页数: 9页
• 分类号: TP1
• 字数: 7278字
• 语种: 中文
• DOI: 10.3321/j.issn:1000-3290.2005.10.019

摘要

提出了一种新颖的广义径向基函数神经网络模型,其径向基函数(RBF)的形式由生成函数确定.然后,给出了易实现的梯度学习算法,同时为了进一步提高网络的收敛速度和网络性能,又给出了基于卡尔曼滤波的动态学习鞍算法.为了验证网络的学习性能,采用基于卡尔曼滤波算法的新型广义RBF网络预测模型对Mackey-Glass混沌时间序列和Henon映射进行了仿真.结果表明,所提出的新型广义RBF神经网络模型能快速、精确地预测混沌时间序列,是研究复杂非线性动力系统辨识和控制的一种有效方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘君华	西安交通大学电气工程学院	224	3216	28.0	45.0
2	李军	西安交通大学电气工程学院	263	2157	24.0	34.0