期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
非线性混沌时序的神经网络预测与控制算法研究 被引量:2
1
作者 蒋伟进 《计算机应用与软件》 CSCD 北大核心 2004年第4期81-83,共3页
基于神经网络对时序问题的预测能力 ,本文提出了将混沌和神经网络相结合 ,应用神经网络来训练混沌序列的预测模型及方法 ,实现了将混沌系统快速地稳定到期望点上。理论分析和仿真结果均表明了该方法的有效性 ,且算法弹性大 ,可扩充性好 ... 基于神经网络对时序问题的预测能力 ,本文提出了将混沌和神经网络相结合 ,应用神经网络来训练混沌序列的预测模型及方法 ,实现了将混沌系统快速地稳定到期望点上。理论分析和仿真结果均表明了该方法的有效性 ,且算法弹性大 ,可扩充性好 ,稍作修改后 。 展开更多
关键词 预测模型 控制算法 非线性混沌时序 混沌序列 神经网络
下载PDF
动力系统实测数据的非线性混沌特性的判定 被引量:25
2
作者 马军海 陈予恕 刘曾荣 《应用数学和力学》 CSCD 北大核心 1998年第6期481-488,共8页
本文利用相位随机化的替代数据方法,给出了一个对动力系统实测时间序列数据的特性进行判定的方法·计算结果表明:相位的充分随机化可提高判别的准确程度·把此判据用于随机时序与非线性混沌时序所得的判据值有明显的差异·
关键词 非线性混沌时序 随机时序 动力系统 观测时序
下载PDF
一类金融系统行为的非线性混沌分析 被引量:4
3
作者 林勇新 陈予恕 曹庆杰 《应用数学和力学》 EI CSCD 北大核心 2010年第10期1239-1248,共10页
利用相位随机化的替代数据方法对中国商品期货市场某些品种特性进行了判定,此方法用于随机时序与非线性混沌时序所得的判据值有明显差异.并应用混沌时序的奇异值分解技术对混沌时序的噪声进行了剥离,将相空间分解为值域空间和虚拟的噪... 利用相位随机化的替代数据方法对中国商品期货市场某些品种特性进行了判定,此方法用于随机时序与非线性混沌时序所得的判据值有明显差异.并应用混沌时序的奇异值分解技术对混沌时序的噪声进行了剥离,将相空间分解为值域空间和虚拟的噪声空间,在值域空间内重构了原混沌时序.进一步采用建立在改进的一般约束随机化方法基础之上强扰动的方法再次判定.根据计算结果对商品期货市场的走势进行了分析,结果表明中国商品期货市场是具有明显非线性混沌特性的一类复杂非线性混沌系统. 展开更多
关键词 非线性混沌时序 随机时序 相位随机化 奇异值分解 一般约束随机化
下载PDF
Nonlinear Time Series Prediction Using Chaotic Neural Networks 被引量:3
4
作者 LIKe-Ping CHENTian-Lun 《Communications in Theoretical Physics》 SCIE CAS CSCD 2001年第6期759-762,共4页
A nonlinear feedback term is introduced into the evaluation equation of weights of the backpropagation algorithm for neural network, the network becomes a chaotic one. For the purpose of that we can investigate how th... A nonlinear feedback term is introduced into the evaluation equation of weights of the backpropagation algorithm for neural network, the network becomes a chaotic one. For the purpose of that we can investigate how the different feedback terms affect the process of learning and forecasting, we use the model to forecast the nonlinear time series which is produced by Makey-Glass equation. By selecting the suitable feedback term, the system can escape from the local minima and converge to the global minimum or its approximate solutions, and the forecasting results are better than those of backpropagation algorithm. 展开更多
关键词 neural network chaotic dynamics forecasting nonlinear time series
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部