基于改进RBF神经网络预测方法研究

来源 :2015年全国工业控制计算机技术年会 | 被引量 : 0次 | 上传用户:leafxzc
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
  传统径向基函数(RBF,Radical Basis Function)神经网络存在训练速度慢、效率低的问题,本文提出AdaBoost算法结合粒子群优化算法(PSO,Particle Swarm Optimization)改进RBF神经网络的算法,提高网络的预测精度。首先对样本数据进行预处理和测试数据权值初始化;再使用改进的PSO算法优选不同的隐层函数、网络学习参数,生成不同类型的RBF弱预测器,使用弱预测器反复训练样本数据;最后利用AdaBoost迭代算法将多个生成的RBF弱预测器构造为强预测器。选用UCI数据库中的数据集做仿真实验,仿真的结果表明本文提出的算法相比传统RBF神经网络预测进一步降低了平均绝对误差,实验提高了网络的预测精度,为RBF神经网络预测提供参考。
其他文献
  考虑云环境下带截止期约束的多模态工作流调度,建立最小化资源总租赁成本的调度优化数学模型,提出迭代复合局部搜索元启发式算法,包括四个部分:初始解生成、迭代局部搜索、扰
会议
  如何对云任务进行高效合理的调度是云计算需要解决的重要问题之一,针对云计算环境特点,基于基本粒子群优化算法(PSO),提出了一种带极值扰动的相关性粒子群优化模型(EDCPSO)
规范且有效的财务管理有助于加强公路建设部门的内部管理,也有助于改善公路建设部门的经济利益.内部控制由部门领导和所有员工共同实施,来做到整个阶段都实现在目标管控.对于
  在摄像机四步标定的算法基础上,结合数码体视显微镜的标定特点,本文提出了数码体视显微镜的立体标定方法。首先搭建数码体视显微镜立体标定平台,并在该平台上对数码体视显微
近日,北京市顺义区科协主席田法德到北京众绘虚拟现实技术研究院有限公司院士专家工作站进行调研,顺义区科协三级调研员赵国栋及相关人员参加了调研活动.rn座谈会上,院士专家
期刊
  分布式文件系统(DFS)是一种网络文件系统,它分布在多个计算机节点上,为上层应用提供大数据量、高可靠、高可用的分布式文件存取服务.本文参考了两个比较成熟的DFS架构—G
详细分析企业集团合并报表过程中存在的问题,根据这些问题提出对应的解决策略,有助于推动企业集团更好地对财务报表进行合并,实现各子公司与母公司业务信息、财务信息的融合,
  链接预测在众多领域的网络分析中有着重要的应用。现实世界中许多网络包含了多种链接和关系,在这样的多关系网络中进行链接预测要考虑到不同关系之间的联系和影响。在本文
科技实力是综合国力中的重要因素,也是本国国家形象塑造的重要力量,而大众传媒则是本国国家形象他塑的重要途径和手段.文章整体分析韩国主流报刊《韩民族日报》2010至2020年(
  对于大型服务器应用程序,内存泄露问题为高隐蔽性错误,在某些环境下甚至会导致系统崩溃,且故障难以查明..net构建于公共语言运行时CLR的基础上,具有垃圾回收机制,其内存泄露问