全文链接
https://opaj.napstic.cn/periodicalArticle/downloadReview/0120100215749299
层次泛函网络学习算法及其在时间序列分析中的应用OA北大核心CSCDCSTPCD
Learning Algorithm of Hierarchical Functional Network and Its Application in Time Series Analysis
设计了一类单输入单输出泛函网络与双输入单输出泛函网络作为构造层次泛函网络基本模型.提出了一种层次泛函网络模型,给出了层次泛函网络构造方法和学习算法,而层次泛函网络的参数利用解方程组来进行逐层学习.以时间序列中典型的Hénon映射为例,通过比较分析看出,层次泛函网络更适合于时间序列分析.计算机仿真结果表明,这种层次学习方法,对时间序列具有收敛速度快和逼近精度高等特点.
周永权;何登旭;焦李成;李陶深
西安电子科技大学智能信息处理研究所,西安,710071广西民族大学计算机与信息科学学院,南宁,530006广西民族大学计算机与信息科学学院,南宁,530006西安电子科技大学智能信息处理研究所,西安,710071
信息技术与安全科学
函数变换泛函网络层次泛函网络学习算法Hénon映射
《数据采集与处理》 2006 (2)
变参数自适应代数神经网络及应用
123-127,5
国家自然科学基金(60461001)资助项目,广西自然科学基金(0542048)资助项目.
评论