计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2005年
5期
62-64,206
,共4页
灰色RBF算法 RBF神经网络 GM(0,N)静态模型 ROLS和后向选择算法 小样本时程数据
灰色RBF算法 RBF神經網絡 GM(0,N)靜態模型 ROLS和後嚮選擇算法 小樣本時程數據
회색RBF산법 RBF신경망락 GM(0,N)정태모형 ROLS화후향선택산법 소양본시정수거
RBF网络具有良好的非线性函数逼近能力,且收敛速度快,而灰色GM(0,N)静态模型对小样本线性数据的预测精度高,将两者有机结合起来,提出了一种新的小样本数据预测方法,即灰色RBF(GRBF)静态预测法.同时,为了提高RBF网络的预测精度和运算效率,文中采用ROLS和后向选择法来训练网络.将GRBF静态预测方法应用到小样本时程数据的预测中,实验结果表明,此预测方法快捷简便,精度高,具有良好的实用性.
RBF網絡具有良好的非線性函數逼近能力,且收斂速度快,而灰色GM(0,N)靜態模型對小樣本線性數據的預測精度高,將兩者有機結閤起來,提齣瞭一種新的小樣本數據預測方法,即灰色RBF(GRBF)靜態預測法.同時,為瞭提高RBF網絡的預測精度和運算效率,文中採用ROLS和後嚮選擇法來訓練網絡.將GRBF靜態預測方法應用到小樣本時程數據的預測中,實驗結果錶明,此預測方法快捷簡便,精度高,具有良好的實用性.
RBF망락구유량호적비선성함수핍근능력,차수렴속도쾌,이회색GM(0,N)정태모형대소양본선성수거적예측정도고,장량자유궤결합기래,제출료일충신적소양본수거예측방법,즉회색RBF(GRBF)정태예측법.동시,위료제고RBF망락적예측정도화운산효솔,문중채용ROLS화후향선택법래훈련망락.장GRBF정태예측방법응용도소양본시정수거적예측중,실험결과표명,차예측방법쾌첩간편,정도고,구유량호적실용성.
