对角型广义RBF神经网络与非线性时间序列预测  

Diagonal Generalized RBF Neural Network and Nonlinear Time Series Prediction

作　　者：马尽文[1] 青慈阳 

机构地区：[1]北京大学数学科学学院信息科学系和数学及其应用教育部重点实验室,北京100871

出　　处：《信号处理》2013年第12期1609-1614,共6页Journal of Signal Processing

基　　金：教育部博士点基金项目20100001110006的资助

摘　　要：径向基函数(RBF)神经网络在非线性时间序列预测方面发挥着重要作用。本文提出了对角型广义RBF神经网络模型,并利用贝叶斯阴阳(BYY)和谐学习算法进行隐层单元个数的确定和参数初始值的选取,并且建立了同步LMS算法进行参数学习。进一步,将对角型广义RBF神经网络应用于非线性时间序列预测,得到了预测准确率高和速度快的效果。Radial Basis Function （RBF） neural network plays an important role in nonlinear time series prediction. In this paper, we propose a diagonal generalized RBF neural network model, utilize the Bayesian Ying-Yang （BYY） harmony learning algorithm for the selection of number of hidden units and the setting of initial parameters, and construct a synchro- nous LMS learning algorithm for parameter learning. Moreover, the diagonal generalized RBF neural network is applied to nonlinear time series prediction, with the advantages of high prediction accuracy and fast speed.

关 键 词：RBF神经网络 贝叶斯阴阳和谐学习 非线性时间序列 预测 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程]