论文部分内容阅读
结合贝叶斯网络和神经网络,提出了一种建立数据驱动型的动态线性回归系统模型的方法。基于这种模型采用自然连接型的知识分布,形式化各种各样的信息,结合贝叶斯方法,执行贝叶斯网络的持续学习过程;采用指数寿命型的连接权值改进径向基神经网络,优化输入数据,提高计算速度;采用改进的遗传算法,实现神经网络的动态自适应。基于上述方法,实现了线性回归系统动态建模与实时预测。仿真试验说明该方法是有效性。