基于自组织智能网络的离散序列在线预测方法

摘要

针对自组织智能网络的离散序列,结合复杂体系自组织理论,提出了一种在线预测的方法。体系采用多智能体方法构造了自组织智能网络动态预测模型,设计了一种新型的多智能体仿真服务器和自组织可视化实验环境。经实验验证,当离散序列发生改变,环境可实现自组织的结构变化过程、并实时记录离散序列的预测结果。实验证明以预测准确度作为优选机制的自组织理论可以使自组织智能网络的体系结构发生动态变化。当叶子节点被激活时,体系结构的动态变化过程会渐渐停止,最终收敛至稳定结构,从而完成样本训练过程。再次输入经训练后样本时,相应的激活子链会被激活,从而仿生大脑认知结构。