针对一类带有约束的非线性系统,提出一种非线性时间最优模型预测控制算法。这种方法首先基于Jacobian线性化将非线性进行线性化,能够推导一系列凸优化问题,而且产生的线性化误差在Lipschitz条件下
在研究T-S模糊RBF神经网络的基础上,提出了一种基于DNA生物机理和结构的免疫遗传算法,用于优化设计T-S模糊RBF神经网络的规则后件参数。该方法采用基于抗体浓度的更新策略调节机制,能有效地保持抗体
基于ESN和PSO的非线性模型预测控制,周海林,柴毅,在非线性系统的模型预测控制研究中,预测模型的精度在预测控制中有很重要的作用,因为神经网络能够很好的辨识非线性的系统,回声
基于新颖输入表达的CRBM时间序列预测模型,任永攀,毛京丽,深度学习通过多层神经网络能够提取更深层次的信息,已经在图像预测领域取得了较好的性能,其中条件受限玻耳兹曼机(CRBM)模型,因考
【书名】非线性时间序列分析【原书名】NonlinearTimeSeriesAnalysis【原出版社】CambridgeUniversityPress【作者】HolgerKantz,ThomasSch
时间序列模型在预测临床血液需求量中的应用,王岩,吕霞,应用时间序列模型对临床血液需求量进行预测。利用时间序列的复合模型对2005~2008年的数据建模,预测2008年和2009年各季节临床血液需求量
在矿山实际生产过程中,涌水量的预测对于矿山防治水具有重要意义。以山东郓城煤矿1301工作面为研究对象,先在不考虑季节性因素影响的条件下,采用时间序列分析模型ARIMA建立涌水量与时间的函数关系,表明郓
一种基于NARX神经网络的非线性多步预测模型,李会军,秦霖天,神经网络是一种非常优秀的非线性建模工具,在工程实际中得到了广泛的应用。根据网络结构中是否存在反馈回路,神经网络可分为动态
在非线性回归预测中,预测函数的拟合是其难点和关键,直接影响预测精度。当系统非线性较强时,传统方法不易于处理,拟合和预测结果不理想。泛函网络是最近提出的一种对神经网络的有效推广,在处理非线性问题时有一定
针对传统时间序列预测模型不适应非线性预测而适应非线性预测的BP算法存在收敛速度慢,且容易陷入局部极小等问题,提出一种基于构造性神经网络的时间序列混合预测模型。采用构造性神经网络模型(覆盖算法)得出的类