一种并行核径向基神经网络预测模型  

A Prediction Model Using Parallel Kernel RBF Neural Networks

作　　者：王华秋[1] 曹长修[2] 

机构地区：[1]重庆工学院计算机学院,重庆400050 [2]重庆大学自动化学院,重庆400030

出　　处：《重庆大学学报（自然科学版）》2006年第3期80-83,共4页Journal of Chongqing University

基　　金：国家教育部博士点基金项目(98061117);重庆市教委基础研究项目(020612);重庆市科委攻关项目(20020828)

摘　　要：径向基神经网络经常用于回归预测,但是高维的核函数矩阵运算需要花费巨大计算资源.为了缩短计算时间,设计了并行算法用于计算径向基网络核函数矩阵,并将它用于转炉提钒预测模型,在以MPI构建的工作站机群上执行该算法,利用实际数据验证了该算法的加速性和准确性.Radial Basis Function Neural Networks （RBF NN） are frequently used for regression prediction. But kernel matrix computation for high dimensional data source demands heavy computing power. To shorten computing time, the paper designs a parallel algorithm to compute the kernel function matrix of RBF NN and applies it to the prediction of converter re-vanadium modeling. The paper then implements the algorithm on a cluster of computing workstations using MPI. Finally, experiment is done with the practical data to study the speedups and accuracy of the algorithm.

关 键 词：并行径向基核 机群 回归预测 转炉提钒 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程]