混沌時(shí)間序列分層貝葉斯RBF神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)_第1頁(yè)
混沌時(shí)間序列分層貝葉斯RBF神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)_第2頁(yè)
混沌時(shí)間序列分層貝葉斯RBF神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)_第3頁(yè)
混沌時(shí)間序列分層貝葉斯RBF神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)_第4頁(yè)
混沌時(shí)間序列分層貝葉斯RBF神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)_第5頁(yè)
已閱讀5頁(yè)，還剩38頁(yè)未讀， 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、3.1 RBF3.1 RBF神經(jīng)網(wǎng)絡(luò)模型神經(jīng)網(wǎng)絡(luò)模型3.2 3.2 分層貝葉斯算法分層貝葉斯算法先驗(yàn)概率分布先驗(yàn)概率分布后驗(yàn)概率分布后驗(yàn)概率分布估計(jì)和推斷估計(jì)和推斷3.33.3可逆跳躍可逆跳躍MCMCMCMC算法的實(shí)現(xiàn)過(guò)程算法的實(shí)現(xiàn)過(guò)程3.3.13.3.1生生和和滅滅過(guò)程過(guò)程分裂和合成過(guò)程分裂和合成過(guò)程徑向基函數(shù)中心的更新徑向基函數(shù)中心的更新參數(shù)抽樣參數(shù)抽樣3.43.4混沌序列的相空間域分層貝葉斯混沌序列的相空間域分層貝葉斯RBFRBF神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型3.53.5仿真實(shí)驗(yàn)仿真實(shí)驗(yàn)3.63.6小結(jié)小結(jié)主要參考文獻(xiàn)主要參考文獻(xiàn) 主要參考文獻(xiàn)主要參考文獻(xiàn)7 C. Andrieu, N

2、ando de Freitas ,A.Doucet. Robust Full Bayesian Learning for Radial Basis NetworksJ. Neural Computation(S0899-7667), 2001, 13(10):2359-2407.9 P.J.Green. Reversible Jump Markov Chain Monte Carlo Computation and Bayesian Model DeterminationJ.Biometrika(S0006-3444), 1995,82:711-732.11 高雋高雋.人工神經(jīng)網(wǎng)絡(luò)原理及仿真實(shí)例人工神經(jīng)網(wǎng)絡(luò)原理及仿真實(shí)例M

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽，若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫(kù)網(wǎng)僅提供信息存儲(chǔ)空間，僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請(qǐng)與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論