基于泛函网络的非线性回归预测模型及学习算法_何登旭.docVIP

------------------------------------------------------------------------------------------------ —————————————————————————————————————— 基于泛函网络的非线性回归预测模型及学习算法_何登旭 ７４２００８，４４（２４）ＣｏｍｐｕｔｅｒＥｎｇｉｎｅｅｒｉｎｇａｎｄＡｐｐｌｉｃａｔｉｏｎｓ计算机工程与应用 基于泛函网络的非线性回归预测模型及学习算法 何登旭１，李艳芳１，刘向虎２，周永权１ ＨＥＤｅｎｇ－ｘｕ１，ＬＩＹａｎ－ｆａｎｇ１，ＬＩＵＸｉａｎｇ－ｈｕ２，ＺＨＯＵＹｏｎｇ－ｑｕａｎ１ １．广西民族大学数学与计算机科学学院，南宁５３０００６２．运城学院应用数学系，山西运城０４４０００ １．ＣｏｌｌｅｇｅｏｆＭａｔｈｓａｎｄＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅ，ＧｕａｎｇｘｉＵｎｉｖｅｒｓｉｔｙｆｏｒＮａｔｉｏ??ａｌｉｔｉｅｓ，Ｎａｎｎｉｎｇ５３０００６，Ｃｈｉｎａ２．ＤｅｐａｒｔｍｅｎｔｏｆＡｐｐｌｉｅｄＭａｔｈｅｍａｔｉｃｓ，ＣｏｌｌｅｇｅｏｆＹｕｎｃｈｅｎｇ，Ｙｕｎｃｈｅｎｇ，Ｓｈａｎｘｉ０４４０００，ＣｈｉｎａＥ－ｍａｉｌ：ｄｅｎｇｘｕｈｅ＠１２６．ｃｏｍ ＨＥＤｅｎｇ－ｘｕ，ＬＩＹａｎ－ｆａｎｇ，ＬＩＵＸｉａｎｇ－ｈｕ，ｅｔａｌ．Ｎｏｎ－ｌｉｎｅａｒｒｅｇｒｅｓｓｉｏｎｆｏｒｅｃａｓｔｍｏｄｅｌｂａｓｅｄｏｎｆｕｎｃｔｉｏｎａｌｎｅｔｗｏｒｋｓａｎｄ （２４）：７４－７７．ｌｅａｒｎｉｎｇａｌｇｏｒｉｔｈｍ．ＣｏｍｐｕｔｅｒＥｎｇｉｎｅｅｒｉｎｇａｎｄＡｐｐｌｉｃａｔｉｏｎｓ，２００８，４４ Ａｂｓｔｒａｃｔ：Ｆｉｔｔｉｎｇｏｆｆｏｒｅｃａｓｔｆｕｎｃｔｉｏｎｉｓｖｅｒｙｄｉｆｆｉｃｕｌｔａｎｄｉｍｐｏｒｔａｎｔｉｎｎｏｎ－ｌｉｎｅａｒｒｅｇｒｅｓｓｉｏｎｆｏｒｅｃａｓｔｐｒｏｂｌｅｍｓ．Ｔｈｅａｃｃｕｒａｃｙｉｓ ｄｉｒｅｃｔｌｙａｆｆｅｃｔｅｄｂｙｔｈｅｆｉｔｔｉｎｇｏｆｆｏｒｅｃａｓｔｆｕｎｃｔｉｏｎ．Ｎｏｎ－ｌｉｎｅａｒｍｏｄｅｌｉｎｔｈｅｔｒａｄｉｔｉｏｎａｌｍｅｔｈｏｄｉｓｄｉｆｆｉｃｕｌｔｔｏｓｏｌｖｅｔｈｅｓｙｓｔｅｍｗｈｏｓｅｎｏｎ－ｌｉｎｅａｒｉｓｓｔｒｏｎｇｅｒ，ａｎｄｔｈｅｒｅｓｕｌｔｏｆｆｉｔｔｉｎｇａｎｄｆｏｒｅｃａｓｔｉｓｎｏｔｉｄｅａｌ．Ｆｕｎｃｔｉｏｎｎｅｔｗｏｒｋｉｓａｒｅｃｅｎｔｌｙｉｎｔｒｏｄｕｃｅｄｅｘｔｅｎｓｉｏｎｏｆｎｅｕｒａｌｎｅｔｗｏｒｋｓ．Ｉｔｈａｓｃｅｒｔａｉｎａｄｖａｎｔａｇｅｓｓｏｌｖｉｎｇｎｏｎ－ｌｉｎｅａｒｐｒｏｂｌｅｍｓ．Ｎｏｎ－ｌｉｎｅａｒｒｅｇｒｅｓｓｉｏｎｆｏｒｅｃａｓｔｍｏｄｅｌａｎｄｌｅａｒｎｉｎｇａｌｇｏ－ｒｉｔｈｍｂａｓｅｄｏｎｆｕｎｃｔｉｏｎａｌｎｅｔｗｏｒｋｓａｒｅｐｒｏｐｏｓｅｄｉｎｔｈｉｓａｒｔｉｃｌｅ．Ｓｏｍｅｅｘａｍｐｌｅｓａｂｏｕｔｏｎｅ－ｄｉｍｅｎｓｉｏｎａｌｎｏｎ－ｌｉｎｅａｒｒｅｇｒｅｓｓｉｏｎｆｏｒｅ－ｃａｓｔａｎｄｍｕｌｔｉ－ｄｉｍｅｎｓｉｏｎａｌｎｏｎ－ｌｉｎｅａｒｒｅｇｒｅｓｓｉｏｎｆｏｒｅｃａｓｔａｒｅｐｒｏｖｉｄｅｄ．Ｔｈｅｓｉｍｕｌａｔｉｏｎｒｅｓｕｌｔｓｄｅｍｏｎｓｔｒａｔｅｔｈａｔｆｏｒｅｃａｓｔｍｏｄｅｌｂａｓｅｄｏｎｆｕｎｃｔｉｏｎａｌｎｅｔｗｏｒｋｓｗｈｏｓｅａｃｃｕｒａｃｙｏｆｆｉｔｔｉｎｇａｎｄｆｏｒｅｃａｓｔｉｎｇｉｓｍｏｒｅｔｈａｎｓｏｍｅｔｒａｄｉｔｉｏｎａｌｍｅｔｈｏｄｓｈａｓｓｏｍｅｖａｌｕｅａｂｏｕｔｔｈｅｏｒｙａｎｄａｐｐｌｉｃａｔｉｏｎ． Ｋｅｙｗｏｒｄｓ：ｆｕｎｃｔｉｏｎａｌｎｅｔｗｏｒｋｓ；ｎｏｎ－ｌｉｎｅａｒｒｅｇｒｅｓｓｉｏｎ；ｆｏｒｅｃａｓｔ；ｌｅａｒｎｉｎｇａｌｇｏｒｉｔｈｍ 摘 要：在非线性回归预测中，预测函数的拟合是其难点和关键，直接影响预测精度。当系统非线性较强时，传统方法不易于处理， 拟合和预测结果不理想。泛函网络是最近提出的一种对神经网络的有效推广，在处理非线性问题时有一定的优势。为此提出了基并分别就一元非线性回归预测和多元非线性回归预测给出了相应的实例。于泛函网络的非线性回归预测模型和相应的学习算法。 计算机仿真结果表明，泛函网络预测模型拟合度和预测精度都明显高于某些传统的方法，有较好的理论和应用价值。关键词：泛函网络；非线性回归；预测；学习算法 ＤＯＩ：１０．３７７８／ｊ．ｉｓｓｎ．１００２－８３３１．２００８．２４．０２１文章编号：１００２－８３３１（２００８）２４－００７４－０４文献标识码：Ａ中图分类