首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到15条相似文献,搜索用时 171 毫秒
1.
李军  刘君华 《物理学报》2005,54(10):4569-4577
提出了一种新颖的广义径向基函数神经网络模型,其径向基函数(RBF)的形式由生成函数确定.然后,给出了易实现的梯度学习算法,同时为了进一步提高网络的收敛速度和网络性能,又给出了基于卡尔曼滤波的动态学习算法.为了验证网络的学习性能,采用基于卡尔曼滤波算法的新型广义RBF网络预测模型对Mackey-Glass混沌时间序列和Henon映射进行了仿真.结果表明,所提出的新型广义RBF神经网络模型能快速、精确地预测混沌时间序列,是研究复杂非线性动力系统辨识和控制的一种有效方法. 关键词: 广义径向基函数神经网络 卡尔曼滤波 梯度下降学习算法 混沌时间序列 预测  相似文献   

2.
基于高斯过程的混沌时间序列单步与多步预测   总被引:5,自引:0,他引:5       下载免费PDF全文
李军  张友鹏 《物理学报》2011,60(7):70513-070513
针对混沌时间序列单步和多步预测,提出基于复合协方差函数的高斯过程 (GP)模型方法.GP模型的确立由协方差函数决定,通过对训练数据集的学习,在证据最大化框架内,利用矩阵运算和优化算法自适应地确定协方差函数和均值函数中的超参数.GP模型与神经网络、模糊模型相比,其可调整参数很少.将不同复合协方差函数的GP模型应用在混沌时间序列单步及多步提前预测中,并与单一协方差函数的GP、支持向量机、最小二乘支持向量机、径向基函数神经网络等方法进行了比较.仿真结果表明,基于不同复合协方差函数的GP方法能精确地预测混沌时间序 关键词: 高斯过程 混沌时间序列 预测 模型比较  相似文献   

3.
李瑞国  张宏立  范文慧  王雅 《物理学报》2015,64(20):200506-200506
针对传统预测模型对混沌时间序列预测精度低、收敛速度慢及模型结构复杂的问题, 提出了基于改进教学优化算法的Hermite正交基神经网络预测模型. 首先, 将自相关法和Cao方法相结合对混沌时间序列进行相空间重构, 以获得重构延迟时间向量; 其次, 以Hermite正交基函数为激励函数构成Hermite正交基神经网络, 作为预测模型; 最后, 将模型参数优化问题转化为多维空间上的函数优化问题, 利用改进教学优化算法对预测模型进行参数优化, 以建立预测模型并进行预测分析. 分别以Lorenz 系统和Liu系统为模型, 通过四阶Runge-Kutta法产生混沌时间序列作为仿真对象, 并进行单步及多步预测对比实验. 仿真结果表明, 与径向基函数神经网络、回声状态网络、最小二乘支持向量机及基于教学优化算法的Hermite正交基神经网络预测模型相比, 所提预测模型具有更高的预测精度、更快的收敛速度和更简单的模型结构, 验证了该模型的高效性, 便于推广和应用.  相似文献   

4.
刘金海  张化光  冯健 《物理学报》2010,59(7):4472-4479
提出了一种基于视神经网络的实时检测混沌时间序列中的奇异点算法,设计了视神经网络奇异点检测器(RNNND);然后设计了基于反向传播(BP)神经网络和径向基函数(RBF)神经网络的混沌时间序列奇异点检测器.利用Lorenz理论模型产生的时间序列和实测输油管道压力时间序列分别检验了这3个奇异点检测器在抗干扰能力、检测微弱信号能力和运算速度等方面的性能.仿真和分析表明,RNNND具有良好的检测精度和较快检测速度.最后详细分析了3种奇异点检测器优缺点并给出了适用场合.  相似文献   

5.
混沌时间序列的模糊神经网络预测   总被引:13,自引:0,他引:13       下载免费PDF全文
设计一种新型混合模糊神经推理系统,该系统仅从期望输入输出数据集即可达到获取知识、确定模糊初始规则基的目的.再利用神经网络学习能力便不难修改规则库中的模糊规则以及隶属函数和网络权值等参数,这样大大减少了规则匹配过程,加快了推理速度,从而极大程度地提高了系统的自适应能力.用它对Mackey-Glass混沌时间序列进行预测试验,结果表明利用该网络模型无论离线还是在线学习均能对Mackey-Glass混沌时间序列进行准确的预测,证明了该系统的有效性. 关键词: 神经网络模型 模糊逻辑 混合推理系统 混沌时间序列  相似文献   

6.
多元混沌时间序列的多核极端学习机建模预测   总被引:3,自引:0,他引:3       下载免费PDF全文
王新迎  韩敏 《物理学报》2015,64(7):70504-070504
多元混沌时间序列广泛存在于自然、经济、社会、工业等领域. 对多元混沌时间序列进行建模预测有助于人类更好地管理, 控制与决策. 针对多元混沌时间序列的建模预测问题, 本文提出一种基于多核极端学习机的预测方法. 首先对多元混沌时间序列进行相空间重构, 将多元混沌时间序列序列的时间相关性转化为空间相关性. 提出一种结合多核学习算法与核极端学习机模型的多核极端学习机建立相空间中输入输出数据的非线性映射. 多核极端学习机模型结合了多核学习算法的数据融合能力以及核极端学习机的训练简便优势. 基于Lorenz混沌时间序列预测和San Francisco河流月径流量预测的仿真实验表明, 与其他常见混沌时间序列预测方法相比, 本文提出的基于多核极端学习机的多元混沌时间序列预测方法具有更小的预测误差.  相似文献   

7.
一种预测混沌时间序列的模糊神经网络方法   总被引:6,自引:0,他引:6       下载免费PDF全文
胡玉霞  高金峰 《物理学报》2005,54(11):5034-5038
给出了一种预测混沌时间序列的模糊神经网络及其学习方法,给出的方法能直接从数据中提取模糊规则,经过优化得到最佳模糊规则库,并利用神经网络的自学习功能修改隶属函数的参数和网络的权值,减少了规则的匹配过程,加快了推理速度,增强了网络的自适应能力. 使用该神经网络及其学习方法对Lorenz混沌时间序列进行了预测仿真研究,试验结果表明给出的预测工具和方法是有效的. 关键词: 模糊神经网络 模糊规则提取 混沌时间序列预测  相似文献   

8.
李鹤  杨周  张义民  闻邦椿 《物理学报》2011,60(7):70512-070512
根据Takens定理,研究了混沌时间序列相空间重构嵌入维数的选取问题.提出了基于径向基函数神经网络预测模型性能的嵌入维数估计方法,即根据嵌入维数与混沌时间序列预测模型性能的变化关系来确定嵌入维数.通过对几种典型混沌动力学系统的数值验证,结果表明该方法能够确定出合适的相空间重构嵌入维数. 关键词: 混沌 相空间重构 嵌入维数 预测  相似文献   

9.
针对葡萄酒品质预测模型难以建立的问题,提出一种基于模糊递归小波神经网络的葡萄酒品质预测模型。利用葡萄酒物理化学指标和品酒师打分作为模型的输入输出,采用梯度下降算法在线学习隶属函数层中心、宽度和小波函数平移因子、伸缩因子、自反馈权重因子以及输出层权值。仿真实验时,首先利用Mackey-Glass混沌时间序列进行了性能测试,然后利用UCI数据集葡萄酒品质数据对所建立的品质预测模型进行了验证。结果显示,与多层感知器、径向基函数神经网络等传统前馈神经网络相比,构建的模糊递归小波神经网络品质预测模型具有更高的预测精度,更加适合于葡萄酒的品质预测。  相似文献   

10.
司马文霞  刘凡  孙才新  廖瑞金  杨庆 《物理学报》2006,55(11):5714-5720
面向中性点直接接地电力系统发生的铁磁谐振过电压所显现的混沌特性,在径向基函数神经网络的基础上,提出引进一种极大熵学习算法对该混沌系统进行控制.该方法通过最优化一个目标函数导出中心向量的学习规则,充分利用网络隐层的聚类功能,极大改善网络的回归和学习能力.对具体的铁磁谐振系统的数值实验证实了该方法在针对铁磁谐振过电压混沌控制中的有效性和可行性. 关键词: 中性点直接接地系统 混沌控制 径向基函数 极大熵原理  相似文献   

11.
The contribution of this work is twofold:(1) a multimodality prediction method of chaotic time series with the Gaussian process mixture(GPM) model is proposed, which employs a divide and conquer strategy. It automatically divides the chaotic time series into multiple modalities with different extrinsic patterns and intrinsic characteristics, and thus can more precisely fit the chaotic time series.(2) An effective sparse hard-cut expectation maximization(SHC-EM) learning algorithm for the GPM model is proposed to improve the prediction performance. SHC-EM replaces a large learning sample set with fewer pseudo inputs, accelerating model learning based on these pseudo inputs. Experiments on Lorenz and Chua time series demonstrate that the proposed method yields not only accurate multimodality prediction, but also the prediction confidence interval. SHC-EM outperforms the traditional variational learning in terms of both prediction accuracy and speed. In addition,SHC-EM is more robust and insusceptible to noise than variational learning.  相似文献   

12.
陈帝伊  柳烨  马孝义 《物理学报》2012,61(10):100501-100501
鉴于径向基函数(RBF)神经网络模型在非线性预测方面的优良性能, 提出了利用该预测模型对混沌时间序列相空间重构的两个关键参数——延迟时间和嵌入维数进行联合估计的方法, 并以客观的评价指标为依据给出其最优估计值. 以Lorenz系统为例进行数值分析, 得到RBF单步及多步预测模型中嵌入维数和延迟时间的最佳参数估计值, 并在原模型中对估计值进行校验. 结果表明, 该方法可以有效地估计出嵌入维数和延迟时间, 从而显著提高预测精度.  相似文献   

13.
魏德志  陈福集  郑小雪 《物理学报》2015,64(11):110503-110503
网络舆情发展趋势具有混沌系统的特征, 提出一种基于EMPSO-RBF神经网络的方法对网络舆情的发展趋势进行预测. 首先根据Lyapunov指数证明网络舆情具备混沌的特征, 然后对网络舆情时间序列数据进行相空间重构, 最后采用EMPSO-RBF方法进行预测, 并和其他模型进行对比试验, 实验结果表明EMPSO-RBF方法具有较高精确度.  相似文献   

14.
This paper presents a new method to synchronize different chaotic systems with disturbances via an active radial basis function (RBF) sliding controller. This method incorporates the advantages of active control, neural network and sliding mode control. The main part of the controller is given based on the output of the RBF neural networks and the weights of these single layer networks are tuned on-line based on the sliding mode reaching law. Only several radial basis functions are required for this controller which takes the sliding mode variable as the only input. The proposed controller can make the synchronization error converge to zero quickly and can overcome external disturbances. Analysis of the stability for the controller is carried out based on the Lyapunov stability theorem. Finally, five examples are given to illustrate the robustness and effectiveness of the proposed synchronization control strategy.  相似文献   

15.
为提高混沌时间序列的预测精度,提出一种基于混合神经网络和注意力机制的预测模型(Att-CNNLSTM),首先对混沌时间序列进行相空间重构和数据归一化,然后利用卷积神经网络(CNN)对时间序列的重构相空间进行空间特征提取,再将CNN提取的特征和原时间序列组合,用长短期记忆网络(LSTM)根据空间特征提取时间特征,最后通过注意力机制捕获时间序列的关键时空特征,给出最终预测结果.将该模型对Logistic,Lorenz和太阳黑子混沌时间序列进行预测实验,并与未引入注意力机制的CNN-LSTM模型、单一的CNN和LSTM网络模型、以及传统的机器学习算法最小二乘支持向量机(LSSVM)的预测性能进行比较.实验结果显示本文提出的预测模型预测误差低于其他模型,预测精度更高.  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号