论文部分内容阅读
为了提高太阳耀斑预报的预报精度,主要是提高识别性能,提出了应用学习矢量量化(Learning Vector Quantity,LVQ)网络建立耀斑预报模型。LVQ是一种基于竞争学习规则的神经网络,采用有监督学习模式。算法每次修改连接获胜输出单元的权向量。更新规则是获胜单元的类别与输入向量的类别相匹配,它的权向量将向模式移近,否则将距离拉开。应用LVQ的耀斑预报模型是两层神经网络结构,输入层单元为预报因子的特征值,输出单元是耀斑预报的类别。仿真预报结果证明预报模型具有较高的预报精度,说明LVQ是有效的