论文部分内容阅读
在市场监管数据网络安全管理中,总结分析目前数据挖掘研究领域的实际发展状况,利用时序特征向量进行模型输出结果预测得到更高的重视及广泛应用。但是时序数据的实际应用体现出非线性混沌的特点,增加了数据挖掘难度。为此,该研究中引入RBF神经网络开展时序数据预测工作,该神经网络能够得到较高的预测精度,同时表现出很强的拟合性能。为了进一步强化各项参数值的科学性,如隐含层与输出层的连接权重、隐含层的结点数等,应该结合实际需求选择合理的计算并行方式,明确专业化的基于数据并行的训练方法,确保网络达到理想的拟合状态,从而达到提高训练效率,提升神经网络预测水平的目的。