本文基于不同扩展中心的径向基函数神经网络(RBF),提出了一个性能函数用于表示每个输入神经元对于网络输出精度影响的重要性,并据此对输入神经元进行自适应删减,将此方法应用于时间序列预测中,可自适应地选取最佳嵌入维数和时间延迟。对于股指预测的实验表明改进的RBF神经网络比未改进的RBF神经网络有更高的预测精度。
科研之友
微信
新浪微博
Facebook
分享链接
