基于泛函网络的非线性回归预测模型及学习算法

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.

关键词：泛函网络、非线性回归、预测、学习算法

所属期刊栏目：44

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金60461001;国家民委科研项目05GX06;广西自然科学基金桂科自0728054;广西民族大学研究生教育刨新计划项目gxun-chx0749

在线出版日期：2008-10-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：74-77