基于RBM的神经网络时间序列预测

• 作者: 何希平 寇茜茜
• 来源期刊: 数学的实践与认识
• 关键词: 神经网络 时间序列 预测模型 算法
• 年，卷（期）: 2016,（9）
• 所属期刊栏目: 应用
• 页码范围: 171-178
• 语种: 中文

摘要

为了克服神经网络依赖初始化结果,泛化能力不强的缺点,提出一种基于受限玻尔兹曼机(RBM)的神经网络模型.利用无监督学习方法优化神经网络的初始权值和阈值,将RBM与神经网络融合起来,模型与时间序列神经网络做实验对比,结果表明,基于受限的玻尔兹曼机的神经网络模型优于神经网络预测模型,模型可以提高预测的精准度,具有一定的应用意义.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何希平	重庆工商大学电子商务与供应链系统重庆市重点实验室	22	197	8.0	13.0
7	寇茜茜	重庆工商大学电子商务与供应链系统重庆市重点实验室	3	25	3.0	3.0