基于混沌算法的自适应预测模型
在混沌算法神经网络的预测模型中, 适当选择非线性反馈项, 能使网络的动力学在权空间具有混沌行为, 网络系统在学习和训练过程中能够跳出能量的局域极小达到全局极小或其近似.本文基于EP进化算法建立一种自适应机制, 使得网络能够根据学习和训练的结果优化非线性反馈项. 应用这种算法的神经网络对基于Mackey-Glass方程和Lorenz系统的时间序列进行在线预测, 结果表明,网络具有很好的自适应预测性能.
作 者： 李克平 陈天仑 刘恒玲 作者单位： 李克平,陈天仑(南开大学物理科学院,天津,300071)刘恒玲(北京师范大学物理系,北京,100875)
刊 名： 系统工程理论与实践 ISTIC EI PKU 英文刊名： SYSTEMS ENGINEERING——THEORY & PRACTICE 年，卷(期)： 2003 23(1) 分类号： O175 O322 关键词： 进化计算 神经网络 自适应 非线性时间序列预测