机器学习与神经网络.pptx

  1. 1、本文档共12页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
动态神经网络时间序列预测的NARX实现 ————————梁浩,梁宇斌 时间序列 时间序列是按时间序列排列的一组数字序列。时间序列分析是根据系统观测得到的时间序列数据,通过曲线拟合和参数估计建立数学模型的理论和方法,以预测未来事物的发展。它的基本原理有二点,一是承认事物发展的延续性,即应用过去的数据,就能推测事物的发展趋势;二是考虑到事物发展的随机性,任何事物发展都可能受偶然因素的影响,为此要利用各种统计分析方法对历史数据加以分析处理。 动态神经网络 动态神经网络是指网络带有反馈与记忆功能,可以将前一时刻的数据保留,使其加入到下一时刻数据的计算,使网络不仅具有动态性而且保留的系统信息也更加完整。它有许多应用,比如金融分析师用于分析某只股票未来某时点的价格。它分为两类,一类是通过神经元反馈形成的神经网络,如Elman神经网络,PID神经网络,另一类是回归神经网络,有静态神经元和网络输出反馈构成,典型的有NARX回归神经网络。 NARX神经网络 NARX(Nonlinear AutoRegressive models with Exogenous Inputs)全称为非线性自回归模型,也称为带外部输入的非线性自回归滤波器。通常情况下它优于全回归神经网络,并且可以和其互换,所以它成为非线性动态神经网络中应用最广的一种。 一个典型的NARX神经网络主要有输入层,隐含层,和输出层及输入输出延时构成。其基本结构如下: NARX神经网络详细结构如下: 本案例给出2001个监测点的时间序列数据。其中PhInputs为一个1*2001维的cell,代表时间监测点的流速,PhTargets为1*2001维的cell,代表中和反应后溶液的PH值。我们通过当前的酸碱溶液流速预测中和反应后溶液的PH值大小。 Matlab实现 1.建立非线性自回归模型 2.网络数据预处理函数 3.时间序列数据准备 4.训练数据,验证数据,测试数据划分 5.网络训练

您可能关注的文档

文档评论(0)

金华 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档