资源描述：
《基于一种新型聚类算法的rbf神经网络混沌时间序列预测》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、Seediscussions,stats,andauthorprofilesforthispublicationat:https://www.researchgate.net/publication/268711647ChaotictimeseriespredictionbasedonRBFneuralnetworkswithanewclusteringalgorithmArticleinActaPhysicaSinica-ChineseEdition-·February2007CITATIONSREADS251272authors,including:JunfengZhangNa
2、njingUniversityofAeronautics&Astronautics27PUBLICATIONS98CITATIONSSEEPROFILESomeoftheauthorsofthispublicationarealsoworkingontheserelatedprojects:Implementation&EvaluationofCCOandCDOinChinaViewprojectDevelopmentofDecisionSupportToolforArrivalManagementunderCDOViewprojectAllcontentfollowingthis
3、pagewasuploadedbyJunfengZhangon31July2016.Theuserhasrequestedenhancementofthedownloadedfile.第56卷第2期2007年2月物理学报Vol.56,No.2,February,2007100023290P2007P56(02)P0713207ACTAPHYSICASINICAn2007Chin.Phys.Soc.基于一种新型聚类算法的RBF神经网络3混沌时间序列预测•张军峰胡寿松(南京航空航天大学自动化学院,210016南京)(2006年5月16日收到;2006年6月19日收到修改稿)运用两阶段学
4、习方法构建径向基函数(RBF)神经网络模型预测混沌时间序列.在利用非监督学习算法确定网络隐层中心时,提出了一种基于高斯基的距离度量,并联合输入输出聚类的策略.基于Fisher可分离率设计高斯基距离度量中的惩罚因子,可以提高聚类的性能.而输入输出聚类策略的引入,建立了聚类性能与网络预测性能之间的联系.因此,根据本文方法构建的网络模型,一方面可以加快网络训练的速度,另一方面可以提高预测性能.将该方法对Mackey2Glass,Lorenz和Logistic混沌时间序列进行了预测仿真研究,仿真结果表明了该方法的有效性.关键词:混沌时间序列,预测,径向基神经网络,聚类PACC:0545[5
5、]能低下.Chen于1991年提出了正交最小二乘11引言(OLS)算法设计RBF神经网络,这种算法具有计算量小,容易实现,并能在权值学习的同时确定隐层节[6]混沌现象是自然界中广泛存在的一种不规则运点的数目等优点.Orr将正则化技术与OLS法结合动,是一种由确定的非线性动力系统生成的复杂行起来,推导出正则化正交最小二乘(ROLS)学习算[7]为.随着非线性混沌动力学的发展,混沌时间序列法,提高了OLS算法的效率.Gomm引入递归的思的预测已经成为一个非常重要的研究方向,并已在想,进一步丰富了OLS算法.但由于在有限样本的信号处理、通信、控制、生物医学等领域中得到了广情况下,最优的数
6、据中心不一定正好位于样本的输[1—3][4][8]泛的应用.Takens提出的时间序列的延迟相入点处,因此OLS算法从本质上看是次优的.Platt空间重构和嵌入定理,为非线性时间序列预测奠定于1991年提出的资源分配网络(RAN),基于“新性”了理论基础.由于人工神经网络具有较强的非线性条件动态分配数据的中心.文献[9—11]对RAN进映射能力,因此在重构的相空间中,可以用神经网络行了改进,在动态分配资源的同时加入了“剪枝”策逼近现在状态和未来状态之间的映射关系,进行混略,将那些对网络输出贡献比较小的节点进行了移沌时间序列的预测.除,以保证网络的泛化性能.但是在网络调整的过程径向基
7、函数(RBF)神经网络作为前向神经网络中一般采用最小二乘法对参数进行优化,由于隐层的一种主要形式,具有结构简单,学习快速的特点,中心及扩展常数的非凸性,使其易于陷入局部极而且已经从理论上证明,只要给定足够多的网络隐小点.[12]层节点,RBF神经网络可以以任意精度逼近任何单本文采用应用最为广泛的两阶段学习方法值连续函数.由于RBF神经网络源于多变量差值理设计RBF神经网络进行混沌时间序列预测.首先采论,因此一种直观的设计方法是将所有的数据看作用减聚类技术,确定隐层单元
