基于儲備池的非線性系統(tǒng)預測理論與分析方法

內容概要

　　《基于儲備池的非線性系統(tǒng)預測理論與分析方法》從儲備池網絡的基本概念出發(fā)，重點論述了基于儲備池的非線性系統(tǒng)辨識和預測方法，并針對儲備池網絡的優(yōu)化算法進行了深入探討。在此基礎上，針對具體的實際問題，給出了多個算例，進而說明儲備池網絡在非線性系統(tǒng)辨識和預測研究中的應用。
　　《基于儲備池的非線性系統(tǒng)預測理論與分析方法》適合學習神經網絡、非線性系統(tǒng)建模辨識、混沌時間序列預測等方面的研究生閱讀，也適合從事混沌時間序列預測、復雜系統(tǒng)建模與辨識等領域的工程技術人員參考。

書籍目錄

前言
第1章　緒論
　1.1　引言
　1.2　儲備池及相關神經網絡方法
　1.3　基于儲備池的非線性系統(tǒng)辨識和預測方法
　1.4　小結
　參考文獻
第2章　儲備池網絡基礎
　2.1　引言
　2.2　儲備池網絡
　2.3　靜態(tài)儲備池網絡的模型結構
　2.4　動態(tài)儲備池網絡的模型結構
　2.5　基于儲備池的非線性系統(tǒng)建模
　2.6　小結
　參考文獻
第3章　儲備池解的性能分析及幾種改進學習算法
　3.1　引言
　3.2　儲備池解的性能分析
　3.3　基于正則化方法的儲備池網絡
　3.4　基于LM算法的儲備池網絡
　3.5　基于信賴域Newton算法的儲備池網絡
　3.6　小結
　參考文獻
第4章　基于儲備池的無核支持向量機
　4.1　引言
　4.2　基于儲備池的無核支持向量機
　4.3　無核支持向量機的魯棒性及其實現(xiàn)方法
　4.4　無核支持向量機與傳統(tǒng)支持向量機的區(qū)別和聯(lián)系
　4.5　小結
　參考文獻
第5章　儲備池網絡的幾種改進方法
　5.1　引言
　5.2　儲備池網絡的卡爾曼濾波在線學習方法
　5.3　基于儲備池的主成分分析方法
　5.4　基于靜態(tài)儲備池的無核支持向量機Newton算法
　5.5　基于1-范數(shù)正則化的靜態(tài)儲備池網絡
　5.6　基于貝葉斯回歸的多儲備池網絡
　5.7　小結
　參考文獻
第6章　基于儲備池的非線性系統(tǒng)辨識和預測仿真實例
　6.1　性能指標
　6.2　靜態(tài)儲備池的仿真實例
　6.3　基于動態(tài)儲備池的非線性系統(tǒng)辨識仿真實例
　6.4　基于動態(tài)儲備池的混沌時間序列預測仿真實例
　6.5　儲備池網絡的幾種改進方法仿真實例
　6.6　小結
　參考文獻
附錄　公式符號對照表

章節(jié)摘錄

版權頁：插圖：第1章 緒論人工神經網絡（Artifical Neural Network，ANN），通常也稱為神經網絡（Neural Network，NN），是受生物神經網絡結構和功能啟發(fā)而提出的一種并行分布式數(shù)學計算模型。神經網絡因其強大的非線性處理能力，在非線性系統(tǒng)辨識、分析和預測等領域起到越來越重要的作用。隨著經濟和社會的發(fā)展，人們對非線性系統(tǒng)的控制精度要求越來越高，作為研究非線性系統(tǒng)的有利工具，神經網絡也從僅可擬合非線性系統(tǒng)輸入輸出靜態(tài)映射關系的前饋神經網絡發(fā)展到可有效描述非線性系統(tǒng)動態(tài)特性的遞歸神經網絡。儲備池網絡作為一種新型的遞歸神經網絡，克服了傳統(tǒng)遞歸神經網絡收斂速度慢、訓練困難等不足，一經提出就受到了學術界的廣泛關注，并在非線性系統(tǒng)辨識和預測領域展現(xiàn)了巨大的應用前景。本章將給出儲備池網絡的概念和研究現(xiàn)狀，分析幾種與儲備池網絡相關的神經網絡。1.1 引言在實際的生產生活中，許多問題都是時序的，如預測（天氣、動態(tài)系統(tǒng)、經濟數(shù)據等）、系統(tǒng)辨識、自適應濾波、語音和圖像識別、信息處理等。作為解決非時序問題有效工具的前饋神經網絡，在某些條件下可用于解決時序問題。如在動態(tài)系統(tǒng)建模領域，Takens[1]指出動態(tài)系統(tǒng)的狀態(tài)可通過適當?shù)难舆t坐標進行相空間重構，可將時序問題轉化為空間問題，這時，可采用前饋神經網絡有效學習相空間中的數(shù)據。但該方法的一個缺陷是相空間重構參數(shù)的選取對動態(tài)系統(tǒng)的建模效果影響較大，且目前仍未有良好的重構參數(shù)選取方法。

編輯推薦

《基于儲備池的非線性系統(tǒng)預測理論與分析方法》是由中國水利水電出版社出版的。

圖書封面

評論、評分、閱讀與下載

---

    基于儲備池的非線性系統(tǒng)預測理論與分析方法 PDF格式下載

---