一种进化RBF神经网络的模型及其训练算法

径向基函数神经网络 (RBFNN)具有最优逼近和全局逼近的特性 ,在函数拟合方面优于传统的 BP网络 ,因此被广泛应用于非线性时间序列分析等领域 .本文针对时间序列中的非平稳数据 ,结合差分平稳化与分阶遗传的思想 ,提出一个新的进化 RBF神经网络的模型及其训练算法 .通过实例分析表明 。

基于进化RBF神经网络的非平稳时间序列分析

针对非线性时间序列中的非平稳数据，本文结合差分平稳化和分阶遗传训练的方法，提出一种新的进化RBF神经网络结构及其学习算法。算例仿真结果显示，该算法在处理非平稳时间序列问题时具有一定的优越性。