基于PLS的Elman神经网络算法研究

针对特征变量多的小样本，结合偏最小二乘（PartialLeastSquares,PLS）法则原理与Elman神经网络结构性质，提出基于PLS的Elman神经网络算法（PLSElman）.新算法通过PLS对高维小样本进行特征降维时，顾及了与因变量的相关程度，所得到的数据进行网络训练和仿真，明显的简化了网络结构，且可得较精确的网络模型.通过实例分析，结果表明新算法提高了网络的收敛速度、预测的精准率，证明新算法提高网络处理问题的效率.同时为便于验证新算法的有效性，与基于主成分分析（PrincipalComponentAnalys，PCA）的Elman神经网络算法（PCAElman）进行了比较，PLSElman算法有明显的优越性.