检索结果-南通市图书馆

基于层次化可塑性回声状态网络的混沌时间序列预测

在线全文

学校读者我要写书评

暂无评论

控制与决策 2023年第1期38卷 133-142页

作者：那晓栋王嘉宁刘墨燃任伟杰韩敏大连理工大学电子信息与电气工程学部辽宁大连116024 哈尔滨工程大学智能科学与工程学院哈尔滨150001 大连理工大学教育部工业设备智能控制与优化重点实验室辽宁大连116024 大连理工大学辽宁省工业装备分布式控制专业技术创新中心辽宁大连116024

为了提高回声状态网络对于混沌时间序列特征提取与预测的能力,提出一种层次化可塑性回声状态网络模型.该模型将多个储备池顺序连接,通过逐层特征变换的方式增强对非线性多尺度动态特征的提取能力.同时,引入神经科学中的内在可塑性机制... 详细信息

为了提高回声状态网络对于混沌时间序列特征提取与预测的能力,提出一种层次化可塑性回声状态网络模型.该模型将多个储备池顺序连接,通过逐层特征变换的方式增强对非线性多尺度动态特征的提取能力.同时,引入神经科学中的内在可塑性机制模拟真实生物神经元的放电率分布,以最大化神经元的信息传递为目标对储备池进行预训练.层次化可塑性回声状态网络不仅能够增加模型的容量,降低随机投影所带来的不稳定性,而且也为理解储备池的表示、处理、记忆及储存操作提供一种新的思路.仿真实验结果表明,相比于其他7种改进的回声状态网络模型,所提出的模型在人造数据和真实数据所构成的混沌时间序列预测任务中均能取得最优的预测精度.

关键词：混沌时间序列预测回声状态网络层次化策略神经内在可塑性预训练神经网络

在线全文

学校读者我要写书评

暂无评论

教与学优化储备池计算的混沌时间序列预测

计算机仿真 2022年第5期39卷 455-460页

作者：李志刚高媛媛孙晓川华北理工大学河北唐山063200

针对回声状态网络初始化参数的随机性影响网络预测精度的问题,提出一种利用教与学优化算法对网络的输入权值、储备池内部权值和输出权值进行局部优化的预测模型,保留了储备池网络权值参数的部分随机性,从而具有良好的泛化能力。为验证... 详细信息

针对回声状态网络初始化参数的随机性影响网络预测精度的问题,提出一种利用教与学优化算法对网络的输入权值、储备池内部权值和输出权值进行局部优化的预测模型,保留了储备池网络权值参数的部分随机性,从而具有良好的泛化能力。为验证本模型的有效性,针对Mackey-Glass和Lorenz混沌时间序列的预测任务进行仿真。由仿真结果可知,对比相关粒子群优化方法,教与学优化的回声状态网络模型在预测性能、收敛速度和稳定性方面有显著的优势。

关键词：储备池计算教与学优化混沌时间序列预测

基于神经网络的电机系统混沌时间序列预测研究

在线全文

学校读者我要写书评

暂无评论

基于神经网络的电机系统混沌时间序列预测研究

作者：曹文鑫广西师范大学

学位级别：硕士

混沌理论是对确定性非线性动力系统中的不稳定非周期行为的定性研究。混沌时间序列是由混沌系统随时间演化而产生的非线性时间序列,其自身具有非周期性、伪随机性、分形性、长期不可预测性等诸多特性,因而覆盖面广泛,涉及众多自然科学... 详细信息

混沌理论是对确定性非线性动力系统中的不稳定非周期行为的定性研究。混沌时间序列是由混沌系统随时间演化而产生的非线性时间序列,其自身具有非周期性、伪随机性、分形性、长期不可预测性等诸多特性,因而覆盖面广泛,涉及众多自然科学与社会科学。永磁同步电机(Permanent Magnet Synchronous Motor,PMSM)具有功率效率高,结构可靠,体积小,重量轻,能耗低等诸多优点,被广泛应用于工业生产与日常生活。研究发现,PMSM系统在某些条件下会出现混沌振荡,对电机系统稳定运行产生严重影响。因此,通过对电机系统混沌时间序列进行预测研究,为及早提出举措确保电机稳定运行,具有重要意义。另一方面,人工神经网络(Artificial Neural Network,ANN)模型由于其出色的记忆能力、自学习能力、函数逼近能力,被广泛用于解决非线性系统问题。目前回声状态网络模型(Echo State Network,ESN)和长短期记忆网络网络模型(Long Short Term Memory Network,LSTM)是在非线性系统领域被广泛应用的两种人工神经网络模型。随着研究的不断深入,ESN模型和LSTM模型逐渐暴露出一些缺点和不足。本文在传统ESN模型和LSTM模型的基础上进行改进优化,进一步提升人工神经网络模型在PMSM系统混沌时间序列预测研究中的性能。具体内容如下:(1)介绍本文的研究背景及意义,接着阐述了关于混沌理论、人工神经网络和PMSM系统的研究现状,最后就相关理论知识做了介绍,为本文工作提供理论支撑。(2)传统ESN模型在面对更加复杂的非线性系统时,需要更大的计算数据集以及更高的计算成本,而目前的研究指出,在一些实验中迫切需要一种能够对非线性系统的混沌时间序列预测进行快速处理的方法。本文首先通过对传统ESN模型的关键参数进行扰动消融实验,证明传统ESN网络模型可以简化为一个多项式回归模型,并称之为数据驱动正则化回归模型(Date-Driven Regularized Regression,D2R2)。然后将简化后的模型应用于PMSM系统混沌时间序列预测,经实验证明,D2R2能够实现PMSM系统的短期混沌预测,并能够基于已有变量数据重构一个长期的非线性动态系统。最后通过引入对比模型进行对比实验,并发现D2R2能够在牺牲可接受程度的预测精度情况下,实现计算效率的大幅提升。(3)传统ESN模型虽然在非线性预测任务中表现优秀,但自身仍然存在诸多缺陷。最新研究表明,具备特定构造的非线性向量自回归过程(Nonlinear Vector Autoregression,NVAR)可以等效于具备非线性读出层的储备池计算。本文首先在最新研究的基础上提出下一代储备池计算(the Next Generation Reservoir Computing,NG-RC),这种算法的本质是用非线性向量自回归过程代替传统储备池计算中的储备池。然后基于NG-RC对PMSM系统混沌时间序列进行预测,经实验仿真证明,NG-RC能够实现PMSM系统混沌时间序列预测,并能够基于已有数据重构一个长期的非线性动态系统,还可以通过已有变量数据对未知变量进行推断。最后通过与传统储备池计算模型(Reservoir Computing,RC)进行对比实验,发现NG-RC能够在数据集更小的情况下,实现更高的预测精度,同时通过时间复杂度实验证明,NG-RC与传统RC模型相比,具备更高的计算效率。(4)LSTM模型解决了传统循环神经网络(Recurrent Neural Network,RNN)中存在的缺乏长期数据相关性的难题,但是LSTM模型自身仍存在相关参数选择具有随机性等问题。麻雀搜索算法(Sparrow Search Algorithm,SSA)因具备较好的寻优能力,被研究人员应用于LSTM模型参数的优化,并取得一定研究成果。随着研究不断深入,标准SSA算法开始逐渐暴露出算法收敛效果慢、容易陷入局部最优等问题。本文结合多种策略对标准麻雀搜索算法进行优化,首先在初始化种群阶段引入混沌映射算法和透镜成像反向学习策略,增强种群多样性;然后通过鸡群算法优化跟随者位置更新策略;最后引入Gauss-Cauchy变异提升算法局部极值逃脱能力和全局搜索能力,并把优化后的麻雀搜索算法称为多策略融合麻雀算法(Improved Sparrow Search Algorithm,ISSA)。然后,将ISSA算法应用于解决LSTM模型的参数优化问题(Improved Sparrow Search Algorithm-Long Short Term Memory Network,ISSA-LSTM)。最后将ISSA-LSTM应用于PMSM系统的混沌预测。通过仿真实验与对比实验证明,ISSA-LSTM模型能够在实现PMSM系统混沌时间序列预测的同时,相比于其他模型,具有更高的预测精度。

关键词：神经网络混沌时间序列预测永磁同步电机模型优化

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

含噪混沌时间序列预测误差分析

物理学报 2013年第5期62卷 59-67页

作者：王新迎韩敏王亚楠大连理工大学电子信息与电气工程学部控制科学与工程学院大连116023

对于含噪混沌时间序列预测问题,传统方法存在较大的经验性,对预测误差的构成分析不足,因而忽略了混沌动态重建与预测模型建立之间的差异性.本文将实际预测误差分解为预测器偏差和输入扰动误差,并对整体最小二乘和正则化两种全局预测方... 详细信息

对于含噪混沌时间序列预测问题,传统方法存在较大的经验性,对预测误差的构成分析不足,因而忽略了混沌动态重建与预测模型建立之间的差异性.本文将实际预测误差分解为预测器偏差和输入扰动误差,并对整体最小二乘和正则化两种全局预测方法进行分析比较,进而说明整体最小二乘适用于混沌动态的重建,对预测器偏差影响较大,而正则化方法能够改善预测器敏感性,对输入扰动误差影响较大.通过两个仿真实例,展示了混沌动态重建与预测模型建立之间的差异,在对比最小二乘和正则化方法的同时验证了实际预测误差受预测器偏差和输入扰动误差共同作用.并指出,在实际操作时应在二者间寻求平衡,以便使模型预测精度达到最优.

关键词：混沌时间序列预测噪声整体最小二乘正则化

基于分数阶最大相关熵算法的混沌时间序列预测

在线全文

学校读者我要写书评

暂无评论

物理学报 2018年第1期67卷 248-255页

作者：王世元史春芬钱国兵王万里西南大学电子信息工程学院重庆400715 非线性电路与智能信息处理重庆市重点实验室重庆400715

为提高最大相关熵算法对混沌时间序列的预测速度和精度,提出了一种新的分数阶最大相关熵算法.在采用最大相关熵准则的基础上,利用分数阶微分设计了一种新的权重更新方法.在alpha噪声环境下,采用新的分数阶最大相关熵算法对Mackey-Glass... 详细信息

为提高最大相关熵算法对混沌时间序列的预测速度和精度,提出了一种新的分数阶最大相关熵算法.在采用最大相关熵准则的基础上,利用分数阶微分设计了一种新的权重更新方法.在alpha噪声环境下,采用新的分数阶最大相关熵算法对Mackey-Glass和Lorenz两类具有代表性的混沌时间序列进行预测,并分析了分数阶的阶数对混沌时间序列预测性能的影响.仿真结果表明:与最小均方算法、最大相关熵算法以及分数阶最小均方算法三类自适应滤波算法相比,所提分数阶最大相关熵算法在混沌时间序列预测中能够有效地抑制非高斯脉冲噪声干扰的影响,具有较快收的敛速度和较低的稳态误差.

关键词：混沌时间序列预测自适应滤波器分数阶微分最大相关熵准则

在线全文

学校读者我要写书评

暂无评论

基于模糊模型支持向量机的混沌时间序列预测

物理学报 2005年第7期54卷 3009-3018页

作者：崔万照朱长纯保文星刘君华西安交通大学电子与信息工程学院西安710049

基于支持向量机强大的非线性映射能力和模糊逻辑易于将先验的系统知识结合到模糊规则的特性,根据混沌动力系统的相空间重构理论,提出了一种混沌时间序列的模糊模型的支持向量机预测模型,并采用适用于大规模问题求解的最小二乘法来训练... 详细信息

基于支持向量机强大的非线性映射能力和模糊逻辑易于将先验的系统知识结合到模糊规则的特性,根据混沌动力系统的相空间重构理论,提出了一种混沌时间序列的模糊模型的支持向量机预测模型,并采用适用于大规模问题求解的最小二乘法来训练预测模型,利用该模型分别对模型的整体预测性能与嵌入维数及延迟时间的关系进行了探讨.最后利用Mackey Glass时间序列和典型的Lorenz系统生成的时间序列对该模型进行了验证,结果表明该预测模型不仅能够自动的从学习数据中获取知识产生模糊规则,提取能够代表混沌时间序列内在规律的支持向量,大大减少支持向量的数目,精确地预测未来的混沌时间序列,而且在混沌时间序列的嵌入维数未知和延迟时间不能合理选择的情况下,也能取得比较好的预测效果.这一结论预示着基于模糊模型的支持向量机是一种研究混沌时间序列的有效方法.

关键词：支持向量机混沌时间序列预测模糊模型非线性映射能力相空间重构理论混沌动力系统预测模型模糊规则延迟时间嵌入维数最小二乘法系统知识模糊逻辑问题求解系统生成预测性能内在规律有效方法预测效果序列对

一种新型广义RBF神经网络在混沌时间序列预测中的研究

在线全文

学校读者我要写书评

暂无评论

物理学报 2005年第10期54卷 4569-4577页

作者：李军刘君华西安交通大学电气工程学院西安710049

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,... 详细信息

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混沌时间序列预测 RBF神经网络广义卡尔曼滤波算法神经网络模型

在线全文

学校读者我要写书评

暂无评论

储备池状态空间重构与混沌时间序列预测

物理学报 2007年第1期56卷 43-50页

作者：韩敏史志伟郭伟大连理工大学电子与信息工程学院大连116023

分析了现有的基于回声状态网络(ESN)的迭代预测方法,指出了该方法在理论上存在的问题以及应用中存在的障碍.提出了一种基于储备池的直接预测方法,该方法利用预测原点和预测时域之间的关系直接构建预测器,因此可以预先对预测器的稳定性... 详细信息

分析了现有的基于回声状态网络(ESN)的迭代预测方法,指出了该方法在理论上存在的问题以及应用中存在的障碍.提出了一种基于储备池的直接预测方法,该方法利用预测原点和预测时域之间的关系直接构建预测器,因此可以预先对预测器的稳定性施加约束,从而避免了在迭代预测方法中由于网络回路闭合而产生的稳定性问题.在仿真中,首先以Lorenz时间序列为例分析了迭代预测方法在闭合回路前后储备池的变化情况,然后通过Mackey-Glass标杆问题的测试验证了直接预测方法的可行性.

关键词：回声状态网络递归神经网络混沌时间序列预测

在线全文

学校读者我要写书评

暂无评论

用于混沌时间序列预测的多簇回响状态网络

物理学报 2009年第7期58卷 5057-5064页

作者：宋青松冯祖仁李人厚西安交通大学系统工程研究所西安710049

研究了混沌时间序列预测问题.提出了一种由五元生长因子组调控的类皮层神经网络模型,即多簇回响状态网络模型(MCESN).研究表明该生长因子组能够有效决定模型的拓扑性质;同时具备小世界和无标度等复杂网络特征的MCESN能够获得较优的预测... 详细信息

研究了混沌时间序列预测问题.提出了一种由五元生长因子组调控的类皮层神经网络模型,即多簇回响状态网络模型(MCESN).研究表明该生长因子组能够有效决定模型的拓扑性质;同时具备小世界和无标度等复杂网络特征的MCESN能够获得较优的预测结果.通过Monte Carlo仿真实验表明,该模型不仅训练算法简单,而且与常规回响状态网络比较,预测结果的精度更高、标准差更小.

关键词：混沌时间序列预测回响状态网络复杂网络 Ω复杂性