神经网络预测公式

【摘要】：目的:医学中的时间序列数据常常具有结构复杂、数据量大、维度高、非线性程度高,并含有噪声信息等特点。传统的时间序列分析方法已经很难满足这种复杂时间序列的分析和预测,而循环神经网络等深度学习方法的出现为复杂非线性、非平稳时间序列的预测提供了新的思路。本研究基于循环神经网络构建了两种新的组合预测模型,以期为进一步提高复杂非线性、非平稳时间序列的预测精度提供方法学支持。方法:(1)本研究结合神经网络模型优化和时间序列分解两种策略,提出了两种基于循环神经网络的复杂时间序列预测...

小波神经网络BP 神经网络主要存在易陷入局部最小值、收敛速度过慢（网络不收敛）、网 络结构无法确定、对于训练样本要求过高（数据波动不能太大）等问题。小波神经网络是以BP 神经网络为模型基础，把小波基函数作为神经网隐藏 层的激活函数的一种新型神经网络，它与BP 神经网络最大的不同就是他们的隐 藏层的激活函数不一样。因此小波神经网络是一种有反馈的前馈式神经网络，小 波变换可以使网络具有很快的学习速度同时也避免了数据陷入局部极小的缺陷， 使其具有了很广泛的应用领域。例如一束普通白光...

本发明专利技术公开了基于核化循环神经网络的风速预测方法及系统；其中，所述方法，包括：获取研究地区的待预测风速时间序列；计算待预测风速时间序列样本分布与不同模式下历史风速时间序列样本分布之间的散度值；找到散度最小值对应的模式；根据找到的模式，查找与当前模式一一对应的训练后的核化循环神经网络参数；其中，所述训练后的核化循环神经网络，是根据当前模式对应的历史风速时间序列对核化循环神经网络进行预先训练得到的；采用训练后核化循环神经网络，对待预测的风速时间序列进行预测，输出预测的风速值...