首页> 中文期刊> 《计算机应用与软件》 >基于混沌映射的非径向对称基函数的神经网络模型

基于混沌映射的非径向对称基函数的神经网络模型

         

摘要

为提高神经网络模型的预测精度,构建了非径向对称基函数神经网络模型结构.为确定非径向对称基函数神经网络模型参数,采用Ulam-von Neumann映射规则确定混沌变量,利用混沌变量的遍历性获得不同网络结构参数下的最优网络输出,以减少所构建网络模型的实际输出与期望输出的差值,并利用模型输出的误差变化率以决定是否增加新的隐层节点.给出基于混沌映射的非径向对称基函数的网络模型构建步骤.采用基于Mackey-Glass时滞微分方程的混沌时间序列预测问题验证该模型的预测精度,并同其他文献对该序列预测的精度以及所需隐层节点数作对比.比较结果表明,采用该设计模型具有对时间序列预测精度高且所需网络结构规模小等优点.

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号