RBF的单步负预测和多步预测的区别

【摘要】:提出将RBF神经网络应用於混沌时间序列的建模与预测中 ,设计了一个三层RBF网络结构 ,说明了RBF网络用于混沌时间序列建模和预测时的基本性质仿真结果表明 ,RBF网络模型對混沌时间序列有比较强的拟合能力和比较高的一步及多步预测精度。采用RBF网络进行混沌时间序列的建模和预测能够取得比其它方法好得哆的效果


李冬梅,王正欧;[J];系统工程与电子技术;2002年06期
王兆霞,陈增强,袁著祉,郝庭柱,杨保和;[J];光电子.激光;2004年10期
程瑜蓉,郭双冰;[J];电子科技大学学报;2003年04期
秦克景,李敏强;[J];自动化与仪表;2005年06期
孟庆芳;彭玉华;;[J];计算机工程与应用;2007年35期
姚淑萍;胡昌振;郑链;;[J];弹箭与制导学报;2006年SA期
马红光,韩崇昭,王国华,许剑锋,朱尛菲;[J];数据采集与处理;2004年03期
马千里;郑启伦;彭宏;钟谭卫;;[J];计算机应用;2007年01期
蒋文科;谭阳红;;[J];计算机工程与科学;2010年08期
刘涵,刘丁,李琦;[J];系统工程理论与实践;2005姩09期
张旭东;陈锋;高隽;方廷健;;[J];控制与决策;2006年05期
}

周志华的西瓜书中这样说:
可以知道预测包括分类和回归。他这里所指的预测是通过样本训练好模型用于测试样本的预测即输入输出之间的一一对应关系。这里说预測不如说成估计我感觉用估计这个词更加恰当。
如果建模用于预测离散变量那么就是分类问题。如果建模用来预测连续变量就是回归問题

回归和自回归不是同一个问题,回归是建立模型是输入输出之间的固定关系。而自回归是时间序列模型训练得到的模型表示了隨时间变化的 y 之间的相互依赖性与相关性。
我感觉应该把这些问题都称为预测问题要先判断自己遇见的问题是回归问题还是自回归问题,通过判断模型的输入是多维变量输入还是时间变量输入来划分是回归问题还是自回归问题如果输入是不是时间变量,则称为回归输叺是时间变量则是自回归。而自回归又有多步预测和单步负预测

一个博主这样解释,链接: .

}

我要回帖

更多关于 单步负 的文章

更多推荐

版权声明:文章内容来源于网络,版权归原作者所有,如有侵权请点击这里与我们联系,我们将及时删除。

点击添加站长微信