基于粒子群优化的积单元网络预测混沌序列

来源 :小型微型计算机系统 | 被引量 : 0次 | 上传用户:fyzqi210
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
提出一种基于粒子群优化(PSO)的积单元神经网络(PUNN)预测混沌时间序列的方法.PUNN信息存储能力强,但是它的训练却很困难.PSO是一类基于群智能的随机全局优化技术,故该文用PSO算法训练PUNN.对Mackey-Glass混沌序列分别用PUNN和模糊神经网络方法做的单步及多步预测对比实验结果说明不仅用PSO算法训练PUNN是有效的,而且用PUNN预测混沌时间序列是一种有效的方法.
其他文献
在船舶动力定位中引入自适应模糊控制方法,即采用近似的线性模型通过Kalman滤波得到船舶低频运动的状态估计值,模糊化后作为模糊控制器的输入实现定位控制。模糊控制器的核心为逢适应
提出了一种新的用于减小OFDM信号峰均功率比(Peak-to-Average Power Ratio, PAPR)的非线性压缩扩张技术.该技术不仅减小大幅值信号的幅值,同时也增大小幅值信号的幅值,从而增
基于广义函数,提出了混合铰杆单元模型,以描述结构倒塌破坏过程中的不连续位移场,并参照当前无应力构形建立控制方程.引入拉格朗日乘子对接触碰撞现象进行分析,不需要刚体软
针对函数优化问题,借鉴交谊舞的有关机理,构造了若干舞蹈算子(空间移动,局部舞伴交换和概率舞池修正).将优化过程视为在搜索空间中从候选解向最优解的信息交换过程,提出一种新
JavaCard应用的许多场合需要对数据进行加解密,而JavaCard处理器大都效率不高,难以有效运行现代加解密算法.AOJCP(Area-Optimized JavaCard Processor)是一款自主设计、基于微
针对网络管理由集中式向分布式发展,SNMP作为主流的网管协议被网络中大多数的设备所支持的现状,提出了一种基于动态SNMP代理群进行分布式网络管理的思想;并依据代理群的概念
传统的语音端点检测方法以信号的短时能量、过零率等简单特征为判决特征参数。这些方法在实际应用中,尤其当信号噪比比较低时,无法满足系统的需要。文中利用语音信号的倒谱特征
通过罚函数方法,受约束时间最优控制问题的求解可转化为对带罚函数的无约束最优控制问题的求解。文中证明当罚子趋于无穷大时,用罚函数构造的无约束最优控制问题的解收敛于原来
利用本文作者研制的计算图的交叉数的算法 CCN(Calculate Crossing Number) ,本文对 n≤ 9的所有图的交叉数进行了研究 .由于图的交叉数等于其所有二连通分支的交叉数的和 ,本文计算了 n≤ 9的所有单二连通分支图的交叉数 .并得出相关的规律 :1) n个顶点 q条边的单二连通分支图的平均交叉数 Ave(n,q)可近似地表示为 q的二次多项式 ,2 )在给定顶点数 n与边
用传统的最近邻检索和匹配算法找到的最相似范例,由于时间的变迁,在实际应用中,该范例的解决方案对于新问题的解决不一定是最有用的,因而也不是最优的.为了解决这个问题,本文