论文部分内容阅读
该文针对传统的RBF神经网络预测方法的局限性,引入次胜者受惩(RPCL)算法和递归正交最小二乘算法(ROLS),进行了动态测量误差实时预测算法的研究。理论分析和预测实例表明,该方法预测精度明显高于传统的方法,具有很强的学习与泛化能力,在处理动态测量误差序列的预报问题和提高动态测量精度方面具有很高的应用价值。