论文部分内容阅读
为更好解决网络流量预测问题，依据函数逼近论中分式的函数逼近性质和拟合能力要远远大于线性函数的性质，以及过程神经元网络对时变函数的非线性变换能力，提出一种分式过程神经元网络模型及其学习算法。实验结果证明，该网络模型对具有奇异值过程函数的柔韧逼近性质和在奇异值点附近区域反应的灵敏性优于一般过程神经元网络，以网络实测数据对模型进行训练和流量预测，取得了较好的应用效果。