文摘
英文文摘
第一章绪论
第二章时间序列预测
2.1时间序列的基本概念
2.2时间序列模型
2.2.1确定型时间序列模型
2.2.2随机型时间序列模型
2.3基于神经网络的时间序列预测方法
2.3.1神经网络预测时间序列
2.3.2几个具体预测时间序列的网络
第三章ICBP网络模型
3.1 ICBP网络模型及其学习算法
3.2 ICBP与RBF、BAYES判决器及VQ(矢量量化网络)的等价性
3.2.1 ICBP与RBF的等价性
3.2.2 ICBP与Bayes判决器的等价性
3.2.3 ICBP与矢量量化网络(VQ)的等价性
第四章DLS-ICBP网络
4.1打折最小平方ICBP网络(DLS-ICBP)
4.2模拟实验
4.2.1非平稳方差时间序列预测实验
4.2.2混沌时间序列预测实验
4.2.3某城市自来水月用水量时间序列的预测实验
第五章DLS-RBF网络
5.1 RBF网络及其学习算法
5.1.1 RBF网络的结构
5.1.2 RBF网络的学习算法
5.2打折最小平方RBF(DLS-RBF)网络及其学习算法
5.3模拟实验
5.3.1混沌时间序列预测实验
5.3.2非平稳方差时间序列预测实验
5.3.3某城市自来水月用水量时间序列的预测实验
第六章链状DLS-ICBP网络
6.1链结构神经网络
6.1.1传统的链结构神经网络
6.1.2新型的链结构神经网络
6.2模拟实验
6.2.1多步非平稳方差时间序列预测实验
6.2.2在多步城市用水量预测中的应用
第七章LOG-ICBP
7.1影响函数
7.1.1最小均方定义
7.1.2最小平均对数平方定义
7.1.3 LMS和LMLS的比较
7.2 LOG-ICBP
7.3实验
7.3.1实验方法
7.3.2实验结果
第八章结论与展望
8.1结论
8.2展望
致谢
在学期间投发的论文
在学期间参与的科研项目
主要参考文献