论文部分内容阅读
从理论上给出有限样本下模型选择的方法,详细讨论了样本噪声对模型选择的影响,提出了一种次优模型选择算法,并进一步给出了一种推挽式模型选择算法,它能够有效地提高模型选择的学习速度.两种算法具有很强的抗噪声能力,预测模型也具有很好的推广性.最后通过具体数值试验验证了上述理论和方法的可行性和优越性.