混沌时间序列局域法多步预报模型.doc(有程序下载) 针对混沌时间序列预测中用加权一阶局域法单步预报模型进行多步预报时计算量大且存在误差累积效应的不足，本文提出了基于相空间重构技术的局域法多步预报模型，包括加权一阶局域法多步预报模型和RBF神经网络多步预报模型。对几种典型混沌序列的预测仿真表明，两种模型对混沌时间序列的多步预报均较有效。 -chaotic time series Local Law multi-step prediction model. Doc (with the d

一种基于蚁群聚类的径向基神经网络 提出了一种基于蚁群聚类算法的径向基神经网络. 利用蚁群算法的并行寻优特征和挥发系 数方法的自适应更改信息量的能力,并以球面聚类的方式确定了径向基神经网络中基函数的位置, 同时通过比较隐层神经元的相似性、合并相似性较为接近的2 个神经元来约简隐含层的神经元,以 达到简化径向基神经网络结构的目的. 实验比较了几种不同聚类算法的径向基神经网络,结果表 明,所提神经网络的整体训练时间至少可缩短40 ％ ,学习的准确率可提高1 ％以上,而且网络结构