基于多层径向基函数网络的非参数回归模型的研究(5)

致谢

在论文完稿之际，我首先要感谢我的导师庄建老师。本文从选题、写作到修改、定稿，自始至终都得到庄老师的悉心指导。庄老师学识渊博、思维敏捷、治学严谨，他传授的不仅有丰富的经济学知识，更有孜孜不倦、一丝不苟的治学态度和探索真理、勇于创新的精神，我将以此激励和鞭策自己，在今后的学习和工作中不断探索、前进。

论文所涉及到的SAS程序由江海峰老师提供，在此谨向江老师致以诚挚的谢意。

我要感谢四年来的所有授课老师，他们为我的学习引路导向，感谢经济学院的各位领导和老师，他们的辛勤工作为我的学习和成长提供了多方面的支持。 此外，我要感谢我的家人，他们给予了我无私的爱，无穷的动力，让我克服生活和学习上的各种困难，顺利完成学业。最后向各位同学、好友表示衷心的感谢，与你们的相处让我度过了四年愉快的时光，这是我人生中一笔宝贵的财富。

参考文献

[1] Moody J, Darken C. Fast learning in networks of locally-tuned processing units. Neural

Computation, 1989 (1): 281-294

[2] Piggio T, Girosi F, A theory of networks for approximation andlearning[J]. AI Memo

Artificial Intelligence Laboratory Institute of Technology, Cambridge Mass, 1989 [3] Chen S, Cheng E S, Ai Kadhimi, K. Regularized least squares learning algorithm for

constructing radial basis function networks [J], International Journal of Control, 1996,64(5): 829-837

[4] Tyler Holcomb, Manfred Morari. Local lraining for radial basis function networks: solving the hidden unit problem. American Control Conference, 1991: 2331-2335 [5] Ho S L, Fei M R, Fu W N, et al. Integrated RBD Network basted estimation strategy of

the output characteristics of brushless DC motors[J]. IEEE Transactions on Neural Networks on Magnetics, 2002, 38(2): 1033-1036.

[6] Yu D L, Yu D W, Gomm J B, et al. Adaptive RBF model for model-based control[C],

Proceedings of the 5th World Congress on Intelligent Control and Automation. IEEE

Press, 2004: 78-82.

[7] Li K, Peng J X, Bai E W. A fast nonlinear model identification method [J]. IEEE Transactions on Automatic Control, 2005, 50(80): 1211-1216.

[8] Li K, Peng J X, Bai E W. A two-stage algorithm for indentification of nonlinear dynamics system [J] . Automatica, 2006, 42(7): 1189-1197

[9]李大潜.Sobolev空间中的径向基函数插值及其应用［DB/OL］，上海：复旦大学

2005-05-12

[10]曲玉辰.电网谐波抑制技术研究 大庆石油学院 ［DB/OL］,2006-5

[11潘立登 .吴宁川.径向基函数神经网络正交最小二乘改进算法的实现［N］,北京化

工大学学报 2002年 第04期

[12]宫亚琼.径向基函数神经网络在过程建模中的研究与应用［N］,北京化工大学 2007-06-06

[13]曹先珍.基于径向基函数网络的经济时序预测模型［N］,武汉工业学院学报第24

卷第1期 2005年3月

[14]曾昭才, 段虞荣, 段绍光基于径向基函数网络的混沌时间序列分析［N］, 重庆大

学学报(自然科学版) Vol. 22 第22 卷第6 期1999 年11 月

[15]申畯.申荣华.改进的ＲＢＦ神经网络对期货价格的预测分析［OL］,中国论文下载中心2009-06-28

百度搜索“77cn”或“免费范文网”即可找到本站免费阅读全部范文。收藏本站方便下次阅读，免费范文网，提供经典小说教育文库基于多层径向基函数网络的非参数回归模型的研究(5)在线全文阅读。