论文研究基于泛函网络的非线性回归预测模型及学习算法.pdf

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。为此提出了基于泛函网络的非线性回归预测模型和相应的学习算法。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。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。