期刊文献+
共找到2,377篇文章
< 1 2 119 >
每页显示 20 50 100
基于时序嵌入的深度神经网络时间序列异常检测研究
1
作者 邢磊 陈洪波 石宁 《黑龙江科学》 2025年第6期85-87,共3页
时序数据异常检测是监测实体各种状态的关键任务,这些实体通常以多变量时间序列(MTS)为特征,在诸多现实场景中精确地检测异常,通过定位一组异常状态来解释检测的异常,帮助排除相关故障。但许多时序数据异常检测模型对高维数据之间的特... 时序数据异常检测是监测实体各种状态的关键任务,这些实体通常以多变量时间序列(MTS)为特征,在诸多现实场景中精确地检测异常,通过定位一组异常状态来解释检测的异常,帮助排除相关故障。但许多时序数据异常检测模型对高维数据之间的特征建模存在局限性,无法实现高精度的异常检测,导致异常漏检率较高。为解决上述问题,提出了一种对MTS状态和时间依赖性进行建模的无监督方法WFTS,其核心思想是通过具有两个随机潜变量的分层变分自编码器对MTS数据中的正常模式进行建模,每个变量都学习低维度量间或时间嵌入。还提出了一种基于MCMC的方法,在异常部位进行合理的嵌入和重建,用于MTS异常解释。 展开更多
关键词 深度神经网络 异常检测 时间序列 异常解释
在线阅读 下载PDF
课程-迁移学习物理信息神经网络用于长时间非线性波传播模拟 被引量:4
2
作者 郭远 傅卓佳 +2 位作者 闵建 刘肖廷 赵海涛 《力学学报》 EI CAS CSCD 北大核心 2024年第3期763-773,共11页
由于传统物理信息神经网络(PINN)在长时间模拟时存在计算稳定性差甚至无法获得有效解的难题,文章提出了一种基于课程学习和迁移学习的物理信息神经网络(CTL-PINN),用于长时间非线性波传播模拟.该改进的PINN的主要思想是将原长时间历程... 由于传统物理信息神经网络(PINN)在长时间模拟时存在计算稳定性差甚至无法获得有效解的难题,文章提出了一种基于课程学习和迁移学习的物理信息神经网络(CTL-PINN),用于长时间非线性波传播模拟.该改进的PINN的主要思想是将原长时间历程问题转化成若干个短时间子问题,其求解过程分为3个阶段;在初始阶段,使用传统PINN来获得初始短期子问题的解;在课程学习阶段,使用包含前一步训练信息的传统PINN以时域扩大的方式逐次求解,在迁移学习阶段,使用包含前一步训练信息的传统PINN以时域迁移的方式逐次求解.这种改进的PINN可以避免传统PINN陷入局部最优解的问题.最后通过几个基准算例验证了本文所提出的CTL-PINN方法在模拟长时间非线性波传播过程的有效性和鲁棒性. 展开更多
关键词 课程学习 迁移学习 物理信息神经网络 波传播分析 时间模拟 非线性
在线阅读 下载PDF
非线性时间序列的RBF神经网络预测方法及其应用 被引量:20
3
作者 张传斌 王学孝 邓正隆 《热能动力工程》 EI CAS CSCD 北大核心 2001年第3期311-312,342,共3页
将一种基于自动增加隐节点数目训练算法的径向基函数 (RBF)神经网络用于非线性时间序列预测。这种方法成功地解决了BP网络的局部极小、隐节点数目的选择和过拟合问题 ,并用于热电厂热负荷预测。预测结果表明 。
关键词 非线性时间序列 预测 RBF神经网络 热负荷
在线阅读 下载PDF
非线性位移时间序列分析的遗传神经网络方法 被引量:29
4
作者 张治强 冯夏庭 +1 位作者 杨成祥 林韵梅 《东北大学学报(自然科学版)》 EI CAS CSCD 北大核心 1999年第4期422-425,共4页
岩土结构的位移大都具有非线性动力学演化特征,针对目前所采用的时间序列分析方法中存在的模型选择和参数确定困难问题,用人工神经网络建模来取代传统的分析方法,提出了一种能自动确定输入时步长度和网络模型结构的遗传神经网络方... 岩土结构的位移大都具有非线性动力学演化特征,针对目前所采用的时间序列分析方法中存在的模型选择和参数确定困难问题,用人工神经网络建模来取代传统的分析方法,提出了一种能自动确定输入时步长度和网络模型结构的遗传神经网络方法,而且也解决了神经网络结构选择和“过训练”问题,提高了网络学习的效率和网络预测的能力·该方法可以对位移演化规律进行智能识别,获得全局最优解· 展开更多
关键词 时间序列分析 神经网络 遗传算法 位移 岩土结构
在线阅读 下载PDF
联合张量补全与循环神经网络的时间序列插补法 被引量:1
5
作者 何军 赖赵远 时勘 《数据采集与处理》 CSCD 北大核心 2024年第3期598-608,共11页
现存的插补方法大致分为基于统计的插补法和基于深度学习的插补法。基于统计的插补法只能捕捉线性时间关系,导致无法精准建模时间序列的非线性关系;基于深度学习的插补法往往没有考虑到不同时间序列之间的相关性。针对现有方法的问题,... 现存的插补方法大致分为基于统计的插补法和基于深度学习的插补法。基于统计的插补法只能捕捉线性时间关系,导致无法精准建模时间序列的非线性关系;基于深度学习的插补法往往没有考虑到不同时间序列之间的相关性。针对现有方法的问题,本文提出了联合张量补全与循环神经网络的时间序列插补法。首先,将多元时间序列建模成张量,通过张量的低秩补全捕获不同时间序列之间的关系。其次,提出了一个基于时间的动态权重,将张量插补结果和循环神经网络的预测结果进行融合,避免因为连续缺失导致的预测误差累积。最后,在多个真实的时间序列数据集上对所提方法进行了实验评估,结果显示该模型优于已有相关模型,且基于插补后的时间序列可以提升时间序列预测效果。 展开更多
关键词 张量补全 时间序列插补 循环神经网络
在线阅读 下载PDF
非线性位移时间序列进化神经网络建模的适应性研究 被引量:15
6
作者 张治强 冯夏庭 +2 位作者 杨成祥 林韵梅 朱维申 《岩土力学》 EI CAS CSCD 1999年第4期19-24,共6页
探讨了非线性位移时间序列建模的进化神经网络方法及其可用性,主要包括进化参数如群体规模、突变变异率和蠕变变异率、随机数种子和个体的选择策略对进化神经网络模型性能的影响。结果表明,对于给定的问题,只要遗传参数取值合理,就... 探讨了非线性位移时间序列建模的进化神经网络方法及其可用性,主要包括进化参数如群体规模、突变变异率和蠕变变异率、随机数种子和个体的选择策略对进化神经网络模型性能的影响。结果表明,对于给定的问题,只要遗传参数取值合理,就可以获得理想的效果。 展开更多
关键词 位移 时间序列 遗传算法 神经网络 适应性 岩土
在线阅读 下载PDF
边坡非线性位移的神经网络–时间序列分析 被引量:62
7
作者 刘晓 曾祥虎 刘春宇 《岩石力学与工程学报》 EI CAS CSCD 北大核心 2005年第19期3499-3504,共6页
边坡的变形表现出复杂的非线性演化特征,大量的工程实践表明利用部分实测的边坡位移时间序列来预测未来边坡的位移更为准确。以神经网络和时间序列分析方法为基础,使用零均值化和标准偏差预处理方法,以及规则化能量函数法和贝叶斯规则... 边坡的变形表现出复杂的非线性演化特征,大量的工程实践表明利用部分实测的边坡位移时间序列来预测未来边坡的位移更为准确。以神经网络和时间序列分析方法为基础,使用零均值化和标准偏差预处理方法,以及规则化能量函数法和贝叶斯规则化方法进行BP神经网络建模,利用BP网络对边坡位移非平稳时序进行趋势项提取,使非平稳监测时序转化为平稳时序以进行常规ARMA时序分析。结合滚动预测方法,建立了适合岩土体位移预测的神经网络–时间序列分析联合模型,以隔河岩水电站进水口边坡变形和水布垭水电站大岩淌滑坡位移为例进行预测分析。研究结果表明:新模型的预测精度高、实时可靠,可应用于实际工程。 展开更多
关键词 岩土力学 人工神经网络 时间序列 边坡 位移 预测
在线阅读 下载PDF
非线性时间序列建模与预测的神经网络法 被引量:20
8
作者 雷鸣 吴雅 杨叔子 《华中理工大学学报》 CSCD 北大核心 1993年第1期47-52,共6页
简述了人工神经网络的基本概念及计算特性,提出了用神经网络方法进行非线性时序建模的基本思路,分析了传统的BP学习过程,得出了BP学习算法的改进算法.然后讨论具有一层隐层的前向式神经网络,基于预测误差分析,提出了权值估计方法,使非... 简述了人工神经网络的基本概念及计算特性,提出了用神经网络方法进行非线性时序建模的基本思路,分析了传统的BP学习过程,得出了BP学习算法的改进算法.然后讨论具有一层隐层的前向式神经网络,基于预测误差分析,提出了权值估计方法,使非线性时序建模的神经网络法规范化. 展开更多
关键词 非线性 时间序列 人工 神经网络
在线阅读 下载PDF
基于神经网络的非线性时间序列故障预报 被引量:16
9
作者 胡寿松 张正道 《自动化学报》 EI CSCD 北大核心 2007年第7期744-748,共5页
对模型未知非线性系统,将系统输出组成时间序列并通过空间嵌入的方法转化为一个离散动态系统.利用线性AR模型拟合时间序列的线性部分,用神经网络拟合时间序列的非线性部分并补偿外界未知的扰动,提出了通过对状态的观测实现时间序列一... 对模型未知非线性系统,将系统输出组成时间序列并通过空间嵌入的方法转化为一个离散动态系统.利用线性AR模型拟合时间序列的线性部分,用神经网络拟合时间序列的非线性部分并补偿外界未知的扰动,提出了通过对状态的观测实现时间序列一步预测的方法.利用滚动优化的思想将一步预测推广,提出了时间序列的N步预测方法,证明了时间序列预测误差有界.通过对预测误差进行概率密度估计和检验,提出了故障的预报方法.对F-16歼击机的结构故障预报结果表明了方法的有效性. 展开更多
关键词 非线性时间序列 神经网络 滚动预测 概率密度估计 故障预报
在线阅读 下载PDF
基于遗传算法的RBF神经网络非线性时间序列预测 被引量:9
10
作者 郭兰平 俞建宁 +2 位作者 张建刚 漆玉娟 张旭东 《河北师范大学学报(自然科学版)》 CAS 北大核心 2011年第3期244-247,共4页
提出一种基于遗传算法和RBF神经网络相结合的时间序列预测模型,克服了单个神经网络在非线性时间序列预测中容易陷入局部极小值及网络训练速度缓慢的问题.以居民消费价格指数数据进行训练和测试,与传统的BP神经网络预测模型相比较,该模... 提出一种基于遗传算法和RBF神经网络相结合的时间序列预测模型,克服了单个神经网络在非线性时间序列预测中容易陷入局部极小值及网络训练速度缓慢的问题.以居民消费价格指数数据进行训练和测试,与传统的BP神经网络预测模型相比较,该模型的预测精度是令人满意的,数值模拟证明了该方法的有效性和可行性. 展开更多
关键词 遗传算法 RBF神经网络 时间序列预测 数值仿真
在线阅读 下载PDF
基于神经网络的非线性时间序列预测方法研究 被引量:12
11
作者 吴今培 段方勇 《系统工程》 CSCD 1997年第5期61-64,共4页
本文提出了一种基于神经网络进行非线性预测的方法,对BP模型应用于非线性预测进行了较详细的研究和探讨,应用该方法对经典非线性时序信号进行预测,并与传统预测方法(TAR预测法)效果进行了比较,结果证明神经网络预测方法(ANN预测法)具有... 本文提出了一种基于神经网络进行非线性预测的方法,对BP模型应用于非线性预测进行了较详细的研究和探讨,应用该方法对经典非线性时序信号进行预测,并与传统预测方法(TAR预测法)效果进行了比较,结果证明神经网络预测方法(ANN预测法)具有十分明显的优势. 展开更多
关键词 非线性预测 时间序列 门限自回归模型 神经网络
在线阅读 下载PDF
用于非线性时间序列预测的POD-RBF神经网络 被引量:3
12
作者 吴春国 朱世钊 +1 位作者 汪秉宏 关昱航 《小型微型计算机系统》 CSCD 北大核心 2013年第8期1848-1851,共4页
基于正规正交分解(Proper Orthogonal Decomposition,POD)提出一种适用于非线性时间序列预测的径向基函数(Ra-dial Basis Function,RBF)神经网络模型-POD-RBF神经网络模型.该模型在选取中心时考虑了时间序列数据之间的时序关系,并且使... 基于正规正交分解(Proper Orthogonal Decomposition,POD)提出一种适用于非线性时间序列预测的径向基函数(Ra-dial Basis Function,RBF)神经网络模型-POD-RBF神经网络模型.该模型在选取中心时考虑了时间序列数据之间的时序关系,并且使得中心的选取具有并行性.股票价格预测问题的模拟结果表明,POD-RBF神经网络可以有效地用于非线性时间序列预测问题.与基于硬C均值(Hard C-means,HCM)聚类的RBF神经网络(HCM-RBF)和基于正交最小二乘(Orthogonal LestSquare,OLS)的RBF神经网络(OLS-RBF)相比,POD-RBF神经网络不仅具有更好的训练、预测精度,而且具有更好的收敛稳定性、更好的泛化能力和抵抗噪声干扰的能力. 展开更多
关键词 正规正交分解 径向基函数 神经网络 非线性时间序列 预测
在线阅读 下载PDF
基于混沌和人工神经网络方法建立计算气固循环流化床局部颗粒浓度时间序列的非线性模型 被引量:2
13
作者 李晓祥 石炎福 +3 位作者 黄卫星 漆小波 余华瑞 祝京旭 《高校化学工程学报》 EI CAS CSCD 北大核心 2003年第5期580-584,共5页
基于气固循环流化床是一混沌动力学系统,故采用了耦合混沌理论中的重构相空间方法与人工神经网络的非线性映射功能,建立起提取气固循环流化床颗粒浓度时间序列的非线性模型,并将此模型应用到f100mm×16m,FCC固体颗粒的上行气固循环... 基于气固循环流化床是一混沌动力学系统,故采用了耦合混沌理论中的重构相空间方法与人工神经网络的非线性映射功能,建立起提取气固循环流化床颗粒浓度时间序列的非线性模型,并将此模型应用到f100mm×16m,FCC固体颗粒的上行气固循环流化床系统。 由模型产生的局部颗粒浓度时间序列与实验测得局部颗粒浓度时间序列的统计特性、功率谱及非线性动力学特征吻合较好。 展开更多
关键词 循环流化床 颗粒浓度 时间序列 混沌 神经网络
在线阅读 下载PDF
BP神经网络在非线性时间序列预测中的应用 被引量:10
14
作者 李文学 李慧 贺琳 《长春工业大学学报》 CAS 2003年第3期39-40,共2页
利用神经网络的Kolmogorov连续性定理建立了时间序列对象的预测模型,并对基于本模型的数据 处理方法进行了探讨。通过对2002年深沪上市公司国有股数量的预测,证实了本模型的正确性和科学性。
关键词 神经网络 BP算法 数据处理 时间序列
在线阅读 下载PDF
基于神经网络免疫集成的非线性时间序列故障预报 被引量:2
15
作者 张正道 胡寿松 《东南大学学报(自然科学版)》 EI CAS CSCD 北大核心 2004年第B11期15-19,共5页
针对神经网络集成对个体差异性的要求 ,提出了集成网络间的结构差异度的概念 .在此基础上设计了一种基于反向选择的免疫算法 ,该算法可以在减小集成网络各自训练误差的同时保持网络间的结构差异度 ,从而提高神经网络集成的泛化能力 .同... 针对神经网络集成对个体差异性的要求 ,提出了集成网络间的结构差异度的概念 .在此基础上设计了一种基于反向选择的免疫算法 ,该算法可以在减小集成网络各自训练误差的同时保持网络间的结构差异度 ,从而提高神经网络集成的泛化能力 .同时证明了该算法对最优个体的收敛性 .将该方法应用于受噪声污染的非线性时间序列故障预报 ,根据预测误差可以方便准确地检测系统的缓变故障和突变故障 ,实现对微小故障的快速故障预报 ,降低误检率 .仿真结果证明了该方法的有效性 . 展开更多
关键词 非线性 时间序列 神经网络集成 免疫 故障预报
在线阅读 下载PDF
对角型广义RBF神经网络与非线性时间序列预测 被引量:6
16
作者 马尽文 青慈阳 《信号处理》 CSCD 北大核心 2013年第12期1609-1614,共6页
径向基函数(RBF)神经网络在非线性时间序列预测方面发挥着重要作用。本文提出了对角型广义RBF神经网络模型,并利用贝叶斯阴阳(BYY)和谐学习算法进行隐层单元个数的确定和参数初始值的选取,并且建立了同步LMS算法进行参数学习。进一步,... 径向基函数(RBF)神经网络在非线性时间序列预测方面发挥着重要作用。本文提出了对角型广义RBF神经网络模型,并利用贝叶斯阴阳(BYY)和谐学习算法进行隐层单元个数的确定和参数初始值的选取,并且建立了同步LMS算法进行参数学习。进一步,将对角型广义RBF神经网络应用于非线性时间序列预测,得到了预测准确率高和速度快的效果。 展开更多
关键词 RBF神经网络 贝叶斯阴阳和谐学习 非线性时间序列 预测
在线阅读 下载PDF
基于混沌时间序列的非线性动态系统神经网络建模与预测 被引量:4
17
作者 郁俊莉 《武汉大学学报(理学版)》 CAS CSCD 北大核心 2005年第3期286-290,共5页
在分析神经网络非线性建模原理的基础上,以典型的非线性差分方程为研究对象,提出了一类基于神经网络的非线性动态系统建模方法.针对传统BP算法的局限性,提出了一种非线性动态系统神经网络改善梯度估计精度的新算法.并以上证综合指数时... 在分析神经网络非线性建模原理的基础上,以典型的非线性差分方程为研究对象,提出了一类基于神经网络的非线性动态系统建模方法.针对传统BP算法的局限性,提出了一种非线性动态系统神经网络改善梯度估计精度的新算法.并以上证综合指数时间序列为研究对象,运用本文提出的建模方法和算法,进行了我国资本市场混沌时间序列预测研究的实例分析,得到的单步预测上证综合指数误差很小(-100~100);多步预测在最初的10步之内预测效果较为理想,而在此之后的预测值则严重偏离真实值.这与混沌时间序列特性相吻合,同时也证明了所用算法的有效性. 展开更多
关键词 混沌时间序列 非线性动态系统 神经网络 BP算法
在线阅读 下载PDF
BP神经网络在社会经济非线性时间序列预测中的应用 被引量:5
18
作者 史安娜 《水利经济》 2000年第6期19-21,共3页
应用神经网络的基本原理 ,介绍了对非线性时间序列进行预测的方法。并通过社会经济系统实例验证该方法的科学合理性。
关键词 神经网络 预测 非线性时间序列 前馈式神经网络
在线阅读 下载PDF
用于多元时间序列预测的图神经网络模型
19
作者 张晗 《浙江大学学报(工学版)》 EI CAS CSCD 北大核心 2024年第12期2500-2509,共10页
现有用于多元时序预测的图神经网络模型大多基于预定义图以静态的方式捕捉时序特征,缺少对于系统动态适应和对时序样本之间潜在动态关系的捕捉.提出用于多元时序预测的图神经网络模型(MTSGNN).该模型在一个图学习模块中,采用数据驱动的... 现有用于多元时序预测的图神经网络模型大多基于预定义图以静态的方式捕捉时序特征,缺少对于系统动态适应和对时序样本之间潜在动态关系的捕捉.提出用于多元时序预测的图神经网络模型(MTSGNN).该模型在一个图学习模块中,采用数据驱动的方式学习时间序列数据的静态图和动态演化图,以捕捉时序样本之间的复杂关系.通过图交互模块实现静态图和动态图之间的信息交互,并使用卷积运算提取交互信息中的依赖关系.利用多层感知机对多元时序进行预测.实验结果表明,所提模型在6个真实的多元时间序列数据集上的预测效果显著优于当前最先进的方法,并且具有参数量较小、运算速度较快的优点. 展开更多
关键词 多元时间序列 神经网络 静态图 动态图 图交互
在线阅读 下载PDF
一种新的时滞神经网络非线性时间序列预测方法 被引量:2
20
作者 向剑伟 《现代电子技术》 2007年第4期118-119,122,共3页
基于相空间重构的非线性预测思想,建立一个时滞的BP神经网络模型,采用贝叶斯正则化方法提高BP网络的泛化能力,区别于一般的预测方法,非线性预测不仅注重数据拟合和精度改进,而且能够反映被预测系统的非线性特征。将该模型应用于某电子... 基于相空间重构的非线性预测思想,建立一个时滞的BP神经网络模型,采用贝叶斯正则化方法提高BP网络的泛化能力,区别于一般的预测方法,非线性预测不仅注重数据拟合和精度改进,而且能够反映被预测系统的非线性特征。将该模型应用于某电子行业进出口贸易非线性时间序列的预测,结果证明改进的模型具有较好的泛化能力,准确拟合了进出口贸易发展的历史值和趋势。并在分析模型预测精度的同时,通过计算拟合序列和原序列的非线性特征量进行模型评价,证实预测模型能够合理地“捕捉”到产生原序列的非线性系统的动力学特征。 展开更多
关键词 非线性时间序列预测 相空间重构 BP网络 贝叶斯正则化
在线阅读 下载PDF
上一页 1 2 119 下一页 到第
使用帮助 返回顶部