×
Voitcu，奥维迪;Wong、Yau Shu

关于非线性递归预测器的构造。 （英语） 兹比尔1082.62082

J.计算。申请。数学。 190，第1-2号，393-407（2006）.
摘要：我们提出了一种构造非线性递归预测器的新方法。鉴于时间序列数据集有限，我们的目标是开发一种能够提供可靠长期预测的预测工具。该方法基于人工神经网络的使用，我们提出了一种网络结构、训练算法和用于缩放和初始化权重系数的特殊程序的组合。对于非线性动力系统产生的时间序列，通过对数值模拟和实际实验获得的数据集进行测试，成功地证明了该预测器的有效性。

引用于1文件

MSC公司：

62M20型 随机过程推断和预测
62M45型 神经网络及从随机过程推断的相关方法
37M10个 动力系统的时间序列分析

关键词：

非线性递归预测;长期多步骤预测;人工神经网络;非线性时间序列
PDF格式BibTeX公司 XML格式引用
\textit{O.Voitcu}和\textit{Y.S.Wong}，J.Compute。申请。数学。190，编号1--2，393--407（2006；Zbl 1082.62082）
全文： 内政部

参考文献：

[1] Atiya，A.F。；El-Shoura，S.M。；沙欣，S.I。；El-Sherif，M.S.，《神经网络预测技术与案例研究的比较：河流流量预测》，IEEE Trans。神经网络，10，2，402-409（1999）
[2] 布林，M。；Stuck，G.，《动力系统导论》（2002），剑桥大学出版社：剑桥大学出版社·Zbl 1314.37002号
[3] Ciociu，I.B.，《使用带FIR/IIR突触的RBF网络进行时间序列分析》，神经计算，20，57-66（1998）·Zbl 0908.68130号
[4] Cybenko，G.，通过sigmoid函数的叠加进行逼近，数学。控制信号系统，2，4，303-314（1989）·Zbl 0679.94019号
[5] 杜罗，R.J。；Reyes，J.S.，训练突触延迟人工神经网络的离散时间反向传播，IEEE Trans。神经网络，10，4779-789（1999）
[6] 范，J。；Yao，Q.，非线性时间序列——非参数和参数方法（2003），Springer:Springer New York·Zbl 1014.62103号
[7] M.T.哈根。；Demuth，H.B。；Beale，M.，《神经网络设计》（1996），PWS出版公司：PWS出版社，马萨诸塞州波士顿
[8] Ko，J。；Kurdila，A.J。；Strganac，T.W.，具有扭转非线性的典型机翼段的非线性控制，J.制导控制动力学。，20, 6, 1181-1189 (1997) ·Zbl 0908.93044号
[9] LeBaron，B。；Weigend，A.S.，数据拆分对金融时间序列影响的引导评估，IEEE Trans。神经网络，9，1，213-219（1998）
[10] Lin，T。；霍恩，B.G。；彼得·蒂奥；Giles，C.L.，学习NARX递归神经网络中的长期依赖性，IEEE Trans。神经网络，71329-1338（1996）
[11] 刘磊，非线性气动弹性数学分析，博士论文，加拿大阿尔伯塔省埃德蒙顿市阿尔伯塔大学数学与统计科学系，2001年。；L.Liu，非线性气动弹性数学分析，博士论文，加拿大阿尔伯塔省埃德蒙顿市阿尔伯塔大学数学与统计科学系，2001年。
[12] McNames，J.，混沌时间序列预测的局部平均优化，神经计算，48，279-297（2002）·Zbl 1006.68774号
[13] Nikolaev，纽约。；Hitoshi Iba，通过遗传编程和反向传播学习多项式前馈神经网络，IEEE Trans。神经网络，14，2，337-350（2003）
[14] 斯里尼瓦桑，B。；乌克兰普拉萨德。；Rao，N.J.，使用递归神经模型识别非线性动态系统的伴随反向传播，IEEE Trans。神经网络，5，2，213-227（1994）
[15] F.Takens，《探测湍流中的奇怪吸引子》，载于：动力系统和湍流——沃里克1980年，数学讲义，第898卷，斯普林格出版社，1981年，第366-381页。；F.Takens，《探测湍流中的奇怪吸引子》，载于：动力系统和湍流——沃里克1980年，《数学讲义》，第898卷，斯普林格出版社，1981年，第366-381页·Zbl 0513.58032号
[16] O.Voitcu，非线性动力学预测和特征提取的神经网络方法，阿尔伯塔大学数学与统计科学系博士论文，2004年。；O.Voitcu，非线性动力学预测和特征提取的神经网络方法，博士论文，阿尔伯塔大学数学与统计科学系，2004年。
[17] O.Voitcu，Y.S.Wong，《非线性气动弹性分析的改进神经网络模型》，AIAA论文2003-1493，第44届AIAA/ASME/ASCE/AHS结构、结构动力学和材料会议论文集，弗吉尼亚州诺福克，2003年4月7-10日。；O.Voitcu，Y.S.Wong，《非线性气动弹性分析的改进神经网络模型》，AIAA论文2003-1493，第44届AIAA/ASME/ASCE/AHS结构、结构动力学和材料会议论文集，弗吉尼亚州诺福克，2003年4月7-10日。
[18] Voitcu，O。；Wong，Y.S.，非线性气动弹性分析的神经网络方法，J.制导，控制动力学。，26, 1, 99-106 (2003)
[19] Weigend，A.S。；胡伯曼，B.A。；Rumelhart，D.E.，《预测未来：连接主义方法》，国际出版社。神经系统杂志，1193-209（1990）
[20] Y.S.Wong，O.Voitcu，C.Popescu，颤振边界预测专家数据挖掘系统，国际航空科学理事会（ICAS）第23届大会会议记录，多伦多，2002年9月8日至13日。；Y.S.Wong，O.Voitcu，C.Popescu，颤振边界预测专家数据挖掘系统，国际航空科学理事会第23届大会会议记录，多伦多，2002年9月8日至13日。
[21] Zhang，G.P.，使用混合ARIMA和神经网络模型进行时间序列预测，神经计算，50，159-175（2003）·Zbl 1006.68828号
[22] 北大西洋公约组织研究与技术组织，《计算非定常空气动力学的验证和确认数据》，NATO-RTO-TR26，2000年。；北大西洋公约组织研究和技术组织，《计算非定常空气动力学的验证和确认数据》，NATO-RTO-TR262000年。
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。