機器學習與神經(jīng)網(wǎng)絡(luò)課件

動態(tài)神經(jīng)網(wǎng)絡(luò)時間序列預測的NARX實現(xiàn)————————梁浩，梁宇斌動態(tài)神經(jīng)網(wǎng)絡(luò)時間序列預測的NARX實現(xiàn)————1時間序列時間序列是按時間序列排列的一組數(shù)字序列。時間序列分析是根據(jù)系統(tǒng)觀測得到的時間序列數(shù)據(jù)，通過曲線擬合和參數(shù)估計建立數(shù)學模型的理論和方法，以預測未來事物的發(fā)展。它的基本原理有二點，一是承認事物發(fā)展的延續(xù)性，即應(yīng)用過去的數(shù)據(jù)，就能推測事物的發(fā)展趨勢；二是考慮到事物發(fā)展的隨機性，任何事物發(fā)展都可能受偶然因素的影響，為此要利用各種統(tǒng)計分析方法對歷史數(shù)據(jù)加以分析處理。時間序列時間序列是按時間序列排列的一組數(shù)字序列。時間2動態(tài)神經(jīng)網(wǎng)絡(luò)動態(tài)神經(jīng)網(wǎng)絡(luò)是指網(wǎng)絡(luò)帶有反饋與記憶功能，可以將前一時刻的數(shù)據(jù)保留，使其加入到下一時刻數(shù)據(jù)的計算，使網(wǎng)絡(luò)不僅具有動態(tài)性而且保留的系統(tǒng)信息也更加完整。它有許多應(yīng)用，比如金融分析師用于分析某只股票未來某時點的價格。它分為兩類，一類是通過神經(jīng)元反饋形成的神經(jīng)網(wǎng)絡(luò)，如Elman神經(jīng)網(wǎng)絡(luò)，PID神經(jīng)網(wǎng)絡(luò)，另一類是回歸神經(jīng)網(wǎng)絡(luò)，有靜態(tài)神經(jīng)元和網(wǎng)絡(luò)輸出反饋構(gòu)成，典型的有NARX回歸神經(jīng)網(wǎng)絡(luò)。動態(tài)神經(jīng)網(wǎng)絡(luò)動態(tài)神經(jīng)網(wǎng)絡(luò)是指網(wǎng)絡(luò)帶有反饋與記憶功能，可以將前3NARX神經(jīng)網(wǎng)絡(luò)NARX（NonlinearAutoRegressivemodelswithExogenousInputs)全稱為非線性自回歸模型，也稱為帶外部輸入的非線性自回歸濾波器。通常情況下它優(yōu)于全回歸神經(jīng)網(wǎng)絡(luò)，并且可以和其互換，所以它成為非線性動態(tài)神經(jīng)網(wǎng)絡(luò)中應(yīng)用最廣的一種。NARX神經(jīng)網(wǎng)絡(luò)NARX（NonlinearAutoReg4一個典型的NARX神經(jīng)網(wǎng)絡(luò)主要有輸入層，隱含層，和輸出層及輸入輸出延時構(gòu)成。其基本結(jié)構(gòu)如下：一個典型的NARX神經(jīng)網(wǎng)絡(luò)主要有輸入層，隱含層，和輸出層及輸5NARX神經(jīng)網(wǎng)絡(luò)詳細結(jié)構(gòu)如下：

NARX神經(jīng)網(wǎng)絡(luò)詳細結(jié)構(gòu)如下：

6本案例給出2001個監(jiān)測點的時間序列數(shù)據(jù)。其中PhInputs為一個1*2001維的cell，代表時間監(jiān)測點的流速，PhTargets為1*2001維的cell，代表中和反應(yīng)后溶液的PH值。我們通過當前的酸堿溶液流速預測中和反應(yīng)后溶液的PH值大小。本案例給出2001個監(jiān)測點的時間序列數(shù)據(jù)。其中PhInput7Matlab實現(xiàn)1.建立非線性自回歸模型2.網(wǎng)絡(luò)數(shù)據(jù)預處理函數(shù)3.時間序列數(shù)據(jù)準備4.訓練數(shù)據(jù)，驗證數(shù)據(jù)，測試數(shù)據(jù)劃分5.網(wǎng)絡(luò)訓練Matlab實現(xiàn)1.建立非線性自回歸模型8機器學習與神經(jīng)網(wǎng)絡(luò)ppt