论文部分内容阅读
贝叶斯阴阳(BayesianYing-Yang，简称BYY)和谐学习为有限混合模型提供了一种崭新的学习机制，即能够在基于样本数据的参数学习中自动地完成模型选择。这一学习机制已经被成功地应用到径向基函数(RBF)网络的学习中，并且有效地拓广了径向基函数网络的结构而形成了所谓的广义RBF网络。本文将该广义RBF网络及其BYY和谐学习算法应用到一些典型的实际数据序列预测上并对于其预测能力进行了检验和分析。实际中，我们将广义RBF网络应用于中国上证指数(日指数和周指数)和太阳黑子时间序列数据的预测上。实验结果表明该方法在实际时间序列数据的预测是可行的，并有优于一些传统的方法或网络。