一种新型广义神经网络在混沌时间序列预测中的研究.pdfVIP

第 卷 第 期 年 月 物 理 学 报 ($ # ##( # ， ， ， F:6 -($ =: - # G0H:I2J ##( （ ） ###4)%###(($ # $(;%4#% ?@A? B8CDE@? DE=E@? !##( @KL9 - BK37 - D:0 - 一种新型广义!# 神经网络在混沌时间 序列预测中的研究! 李 军 刘君华 （西安交通大学电气工程学院，西安 !##$% ） （ 年 月 日收到； 年 月 日收到修改稿） ##$ ’ ##( ) $ 提出了一种新颖的广义径向基函数神经网络模型，其径向基函数（ ）的形式由生成函数确定 然后，给出了 *+, - 易实现的梯度学习算法，同时为了进一步提高网络的收敛速度和网络性能，又给出了基于卡尔曼滤波的动态学习 算法- 为了验证网络的学习性能，采用基于卡尔曼滤波算法的新型广义*+, 网络预测模型对./0123456/77 混沌时间 序列和 映射进行了仿真 结果表明，所提出的新型广义 神经网络模型能快速、精确地预测混沌时间序 829:9 - *+, 列，是研究复杂非线性动力系统辨识和控制的一种有效方法- 关键词：广义径向基函数神经网络，卡尔曼滤波，梯度下降学习算法，混沌时间序列，预测 ： $% #($( 径向基函数神经网络（ ）作为前向神经网 *+,== ［，］ 引 言 络的一种主要形式! ’ ，由于其拓扑结构简单，且具 有显示表示学习过程的能力，学习快速、高效，使得 由确定性的非线性动力系统产生的复杂的类似 其在需要实现实时自适应性能的系统（例如通信系 ［］ % 随机现象的行为称为混沌现象 随着非线性混沌动 统）中应用广泛 已经从理论上证明，只要网络隐 - - 力学的发展，混沌时间序列的预测已经成为一个非 层的节点数足够多， 神经网络所执行的从 维