| 基于统计方法的神经网络预测模型研究 |
| |
| 引用本文： | 张瀛.基于统计方法的神经网络预测模型研究[J].数理统计与管理,2016(1):89-97. |
| |
| 作者姓名： | 张瀛 |
| |
| 作者单位： | 华东师范大学金融与统计学院,上海,200241 |
| |
| 基金项目： | 国家自然科学基金项目(71173043)，上海市教育委员会科研创新项目(11ZS09). |
| |
| 摘 要： | 与现有网络结构设计方法不同,本文将RBF网络解释为解释变量和被解释变量之间的一个非线性函数,基于RBF网络的学习动态特性提出2种修剪模型WRBF和TRBF。这两种模型根据参数显著性增加和删减节点,为网络结构设计提供了理论依据。对中国信贷序列预测的结果表明,这些模型能够识别外移、萎缩和衰减等冗余核函数,得到的精简网络具有最好的预测精度,对于提高货币政策前瞻性具有很好应用价值。
|
| 关 键 词： | 统计推断 神经网络 自回归单整移动平均季节模型 支持向量回归 |
Forecasting Models of Neural Networks Based on Statistical Methods |
| |
| Abstract: | |
| |
| Keywords: | statistical inference neural network SARIMA support vector regression |
| 本文献已被 万方数据 等数据库收录！ |
|
