基于泛函网络的非线性回归预测模型及学习算法

• 作者: 何登旭 刘向虎 周永权 李艳芳
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 泛函网络 非线性回归 预测 学习算法
• 年，卷（期）: 2008,（24）
• 所属期刊栏目: 理论研究
• 页码范围: 74-77
• 页数: 4页
• 分类号: TP18
• 字数: 4436字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2008.24.021

摘要

在非线性回归预测中,预测函数的拟合是其难点和关键,直接影响预测精度.当系统非线性较强时,传统方法不易于处理,拟合和预测结果不理想.泛函网络是最近提出的一种对神经网络的有效推广,在处理非线性问题时有一定的优势.为此提出了基于泛函网络的非线性回归预测模型和相应的学习算法.并分别就一元非线性回归预测和多元非线性回归预测给出了相应的实例.计算机仿真结果表明,泛函网络预测模型拟合度和预测精度都明显高于某些传统的方法,有较好的理论和应用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周永权	广西民族大学数学与计算机科学学院	198	2214	25.0	38.0
2	刘向虎	运城学院应用数学系	6	8	1.0	2.0
3	何登旭	广西民族大学数学与计算机科学学院	45	340	9.0	17.0
4	李艳芳	广西民族大学数学与计算机科学学院	4	11	2.0	3.0