学习矢量量化网络在太阳耀斑预报中的应用

	学习矢量量化网络在太阳耀斑预报中的应用
	李蓉 ; 崔延美 ; 贺晗
刊名	计算机仿真
	2009
卷号	26 期号:8 页码:173-187
关键词	耀斑预报因子参考点权值向量竞争学习
ISSN号	1006-9348
其他题名	Application of Learning Vector Quantity Network in Solar Flare Forecasting
通讯作者	北京8701信箱
中文摘要	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是有效的预报方法。
英文摘要	In order to improve the prediction accuracy，Learning Vector Quantity(LVQ)was applied to construct flare prediction mode1．LVQ is a neutral network based on competitive learning rule，which adopts a supervised learning mode1．The weight vector connecting the winner output units are modified in each step of algorithm．Weight rule is when the class label of the winner unit is matched to that of the input vector，the weight vector moves toward the input vector；otherwise，the weight vector moves away from the input vector．The LVQ is a two layer neutral network．The input unit is the predictor and the output unit is the class of flare in this mode1．Forecasting result shows that the prediction model has higher forecast accuracy and the LVQ method is a valid prediction method．
学科主题	空间环境
资助信息	高等学校人才强教计划资助项目,北京市教育委员会科研基地建设项目,北京市教育委员会科技计划项目,国家自然科学基金重点项目
语种	中文
内容类型	期刊论文
源URL	[http://ir.cssar.ac.cn/handle/122/363]
专题	国家空间科学中心_空间环境部
推荐引用方式 GB/T 7714	李蓉,崔延美,贺晗. 学习矢量量化网络在太阳耀斑预报中的应用[J]. 计算机仿真,2009,26(8):173-187.
APA	李蓉,崔延美,&贺晗.(2009).学习矢量量化网络在太阳耀斑预报中的应用.计算机仿真,26(8),173-187.
MLA	李蓉,et al."学习矢量量化网络在太阳耀斑预报中的应用".计算机仿真 26.8(2009):173-187.