机器学习和神经网络.ppt

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 一事物的发展。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 ,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 类是通过神经元反馈形成的神经网络 如Eman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 Auto Regressive models 例 ith 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 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: Output pkH-i