搜索到3195篇“ 混沌时间序列预测“的相关文章
- 基于并行时延光储备池的激光器网络混沌时间序列预测方法
- 本发明公开了一种基于并行时延光储备池的激光器网络混沌时间序列预测方法，具体为：在半导体激光器网络中，将激光器网络各节点间的耦合关系映射为邻接矩阵，利用邻接矩阵建立了以半导体激光器为非线性节点的并行时延光储备池网络模型，网...
- 闫连山杨桐张力月李松穗潘炜罗斌邹喜华
- 一种基于神经网络优化学习的混沌时间序列预测方法
- 本发明公开一种基于神经网络优化学习的混沌时间序列预测方法，首先加载混沌时间序列数据并建立BP网络模型，将网络参数编码成MCS算法的解向量，接着初始化MCS算法并产生初始种群，然后使用均方误差作为适应度函数，通过MCS算法...
- 程加堂林秋宏熊燕杨亮亮覃彦之周轶旻
- 一种基于神经形态计算的混沌时间序列预测装置
- 本发明提供的基于神经形态计算的混沌时间序列预测装置，包括：输入单元、储备池单元以及输出单元；输入单元，用于产生掩膜信号并获取当前时刻的混沌时间序列信号；将掩膜信号和混沌时间序列信号进行信号调制得到当前时刻的注入信号；储备...
- 郭星星项水英周含旭张雅慧郝跃
- 基于最大信息挖掘广域学习系统的混沌时间序列预测
- 2023年
- 为了进一步挖掘混沌系统的演化信息,提升预测精度,减少训练时间,提出一种基于最大信息挖掘广域学习系统的混沌时间序列预测模型。为了有效地捕捉混沌系统的线性信息,引入一种改进的漏积分器动态储层,不仅可以获取系统当前状态的信息,而且可以兼顾历史状态信息。通过非线性随机映射将特征映射到增强层从而充分挖掘非线性信息。引入层叠机制促进了动态建模中信息的传播,实现了特征的再激活。在四个大规模数据集上的实验结果表明,提出的方法具有更好的预测精度和更少的计算代价,验证了该方法可以在大规模动态系统建模中获得更好的预测结果。
- 闫机超郑静雅郑静雅
- 关键词：混沌系统时间序列预测
- 基于深度学习的混沌时间序列预测研究
- 混沌时间序列具有类似随机运动的外在特征，表现出一种无序的随机状态，但其内在具有的非线性动力学系统使得对混沌时间序列进行一定期限内的预测成为可能。目前，混沌时间序列的预测主要分为单步预测和多步预测，建立具有高精度的混沌时间...
- 陈立志
- 关键词：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
- 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...
- 曹文鑫
- 关键词：神经网络混沌时间序列预测永磁同步电机
- 基于无偏最小二乘支持向量机的混沌时间序列预测被引量：1
- 2023年
- 时间序列预测是通过被预测事物过去和现在的数据,按照时间变化构造模型推测未来的方法.利用无偏-最小二乘支持向量机对一类混沌时间序列做出预测.首先通过简化计算,将最小二乘支持向量机转化为无偏最小二乘支持向量机.其次通过求解超混沌系统得到一组混沌时间序列,借助重构相空间和无偏最小二乘支持向量机对该序列进行单步预测.最后通过数值模拟验证无偏最小二乘支持向量机在混沌时间序列预测中的有效性.
- 马少娟郝政李曼
- 关键词：混沌时间序列最小二乘支持向量机相空间重构
- 基于层次化可塑性回声状态网络的混沌时间序列预测被引量：2
- 2023年
- 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.
- 那晓栋王嘉宁刘墨燃任伟杰韩敏
- 关键词：混沌时间序列预测回声状态网络神经网络
- 基于混合人工神经网络的混沌时间序列预测与重构
- 混沌时间序列数据存在于众多领域中,如气象学、医学和生态学等。对混沌时间序列的特征进行提取从而对其预测与重构,可以发现系统演变的本质与背后的规律,对社会具有重要的科学和技术意义。由于混沌时间序列存在着很大的非线性特点,因此...
- 程伟
- 关键词：混沌时间序列神经网络
- 基于优化时谱图神经网络的电力系统多元混沌时间序列预测
- 2023年
- 电力系统是强耦合、多变量系统,对其多元混沌时间序列预测是当前研究难点。提出了一种基于优化的时谱图神经网络,用于电力系统的混沌预测。利用潜在相关层挖掘多元时间序列之间的相关性,通过序列转换单元将时间序列转换为频域信号并学习其特征,结合多种算法优化模型实现更好的预测效果。试验表明经优化后的时谱图神经网络不仅能对电力系统的多状态变量进行混沌预测,而且比其他参考模型具有更高的预测精度和稳定性。
- 卢英东韦笃取
- 关键词：神经网络电力系统混沌
相关作者
- 韩敏
- 作品数：300被引量：1,579H指数：21
- 供职机构：大连理工大学
- 研究主题：神经网络 回声状态网络 转炉炼钢 混沌时间序列 湿地
- 李瑞国
- 作品数：8被引量：46H指数：4
- 供职机构：新疆大学电气工程学院
- 研究主题：混沌时间序列预测 优化算法 改进教学 量子粒子群优化算法 参数辨识
- 向昌盛
- 作品数：47被引量：262H指数：10
- 供职机构：湖南工程学院
- 研究主题：支持向量机 相空间重构 遗传算法 最小二乘支持向量机 混沌时间序列
- 张宏立
- 作品数：208被引量：747H指数：13
- 供职机构：新疆大学电气工程学院
- 研究主题：滚动轴承 故障诊断 MATLAB 参数辨识 粒子群算法
- 李彬
- 作品数：503被引量：434H指数：12
- 供职机构：齐鲁工业大学
- 研究主题：四足机器人 机器人 刀具 步态 刀具材料
