基于GRNN神经网络的货运量预测研究.pdfVIP

基于 GRNN神经网络的货运量预测研究 clid距离平方的指数平方，即D2=(—i)(x-xi)的指数形式。其中，式中X为网络输入变量；X是第 个神经 i 元对应的学习样本；求和层是所有模式层神经元输出进行求和，计算公式为 expf一[(x-x)T(—)]／ j， 模式层与各神经元的连接权值是1，传递函数为S。=∑ ；输出层中的神经元数目等于学习样本中输出向量的 维数后，各神经元将求和层的输出相除，神经元J．的输出对应估计结果 ()的第 个元素，即y= ／S。，其中 j--1，2，…，k。 1．2 GRNN理论基础 非线性回归分析是GRNN的理论基础，非独立变量Y相对于独立变量 的回归分析就是计算具有最大概率的 Y值。假设它们的联合概率密度函数是f(x，Y)，已知 观测值为X，则Y相对于 的回归如下式： =E( L X(,y)ay／J：fX(,y) (1) 其中，矿表示在输人为X的条件下y的预测输出。 根据Parzen非参数估计，估计密度函数计算如下：