在用神经网络对肌电信号(electromyography,EMG)建模时,网络规模的不确定导致预测效果无法确定。针对这一问题,提出一种利用回声状态网络(echo state networks,ESN)作为EMG信号的建模方法。对于ESN网络中参数不易确定的问题,采用粒子群...在用神经网络对肌电信号(electromyography,EMG)建模时,网络规模的不确定导致预测效果无法确定。针对这一问题,提出一种利用回声状态网络(echo state networks,ESN)作为EMG信号的建模方法。对于ESN网络中参数不易确定的问题,采用粒子群算法(particle swarm optimization,PSO)对网络参数进行优化,以找到适合不同信号的网络模型。为了提高优化速度,ESN的优化目标函数改为平均均方根误差并采用新的位置更新算法,避免粒子群算法出现局部最优的问题。仿真结果表明改进粒子群算法加快了目标函数的优化速度。展开更多
网络流量预测是网络拥塞控制与网络管理的一个重要问题.网络流量时间序列具有时变、非线性特征,导致传统时间序列预测方法预测精度比较低,无法建立精确的预测模型.回声状态网络(echo state network,ESN)在非线性混沌系统预测与建模方面...网络流量预测是网络拥塞控制与网络管理的一个重要问题.网络流量时间序列具有时变、非线性特征,导致传统时间序列预测方法预测精度比较低,无法建立精确的预测模型.回声状态网络(echo state network,ESN)在非线性混沌系统预测与建模方面有着良好的性能,非常适合网络流量的预测.为了提高网络流量的预测精度,提出一种基于遗传算法(genetic algorithm,GA)优化回声状态网络的网络流量非线性预测方法.首先利用回声状态网络对网络流量进行预测;然后利用遗传算法对回声状态网络预测模型中的储备池参数进行优化,提高预测模型的预测精度.通过中国联合网络通信公司辽宁分公司采集的实际网络流量数据进行了仿真验证.与差分自回归滑动平均模型(auto regressive integrated moving average,ARIMA)、Elman神经网络以及最小二乘支持向量机(least square support vector machine,LSSVM)这3种常见预测模型进行了对比,仿真结果表明提出的方法具有更高的预测精度与更小的预测误差,更能刻画网络流量复杂的变化特点.展开更多
为了提升泄露积分型回声状态网(Leaky integrator echo state network,Leaky-ESN)的性能,提出利用罚函数内点法优化Leaky-ESN的全局参数,如泄漏率、内部连接权矩阵谱半径、输入比例因子等,这克服了通过反复试验法选取参数值而降低了Leak...为了提升泄露积分型回声状态网(Leaky integrator echo state network,Leaky-ESN)的性能,提出利用罚函数内点法优化Leaky-ESN的全局参数,如泄漏率、内部连接权矩阵谱半径、输入比例因子等,这克服了通过反复试验法选取参数值而降低了Leaky-ESN模型的优越性和性能.Leaky-ESN的全局参数必须保障回声状态网满足回声状态特性,因此它们之间存在不等式约束条件.有学者提出利用随机梯度下降法来优化内部连接权矩阵谱半径、输入比例因子、泄露率三个全局参数,一定程度上提高了Leaky-ESN的逼近精度.然而,随机梯度下降法是解决无约束优化问题的基本算法,在利用随机梯度下降法优化参数时,没有考虑参数必须满足回声特性的约束条件(不等式约束条件),致使得到的参数值不是最优解.由于罚函数内点法可以求解具有不等式约束的最优化问题,应用范围广,收敛速度较快,具有很强的全局寻优能力.因此,本文提出利用罚函数内点法优化Leaky-ESN的全局参数,并以时间序列预测为例,检验优化后的Leaky-ESN的预测性能,仿真结果表明了本文提出方法的有效性.展开更多
光伏电池温度变化影响光伏系统输出的稳定性,精准地预测光伏电池板温度的变化趋势,对光伏系统智能运行具有重要意义.为了更好地预测温度的变化趋势,本文考虑了光伏电池板温度的迟滞效应,将先前的温度输出作为延迟项引入回声状态网中,提...光伏电池温度变化影响光伏系统输出的稳定性,精准地预测光伏电池板温度的变化趋势,对光伏系统智能运行具有重要意义.为了更好地预测温度的变化趋势,本文考虑了光伏电池板温度的迟滞效应,将先前的温度输出作为延迟项引入回声状态网中,提出了一种基于延迟回声状态网的光伏电池板温度预测模型.给出一个延迟回声状态网具有回声状态特性的判定条件,使得预测模型能够稳定地预测光伏电池板温度.同时,建立了一套光伏多传感器监测系统,利用该监测系统采集的数据,训练和验证模型的准确性.与回声状态网(Echo state network,ESN),Leaky ESN(Leaky-integrator ESN)和VML ESN(ESN with variable memory length)相比,仿真结果表明,本文所提出的延迟回声状态网具有更好的预测性能,平均绝对百分比误差甚至达到3.45%.展开更多
脑机接口系统通过大脑—计算机接口技术和控制理论的组合来弥补由于肌体的受损部分而造成的信息缺失.本研究基于心理生理皮质神经元放电率电路模型,在脑机接口控制理论分析的基础上进行自发单关节运动任务,采用自适应ESN(echo state net...脑机接口系统通过大脑—计算机接口技术和控制理论的组合来弥补由于肌体的受损部分而造成的信息缺失.本研究基于心理生理皮质神经元放电率电路模型,在脑机接口控制理论分析的基础上进行自发单关节运动任务,采用自适应ESN(echo state network)设计非线性解码器,并引入FORCE(First Order Reduced and Contrdled Error learning)算法更新网络输出权值,通过仿真有无自然本体反馈信息情况下的解码器的性能来验证所设计的解码器的有效性.最后,通过基于遗传算法LS-SVM(least squares support vector machine)的直接逆模型框架,设计近似大脑皮层感觉区神经元放电率的最佳人工本体反馈去刺激大脑皮层感觉区神经元.仿真结果发现,所设计的闭环脑机接口(BMI)系统框架能够很好地恢复在线自发单关节自然运动任务性能,这也为当系统模型未知时,根据对象的输入输出数据恢复闭环系统的性能提供了新的研究思路.展开更多
文摘在用神经网络对肌电信号(electromyography,EMG)建模时,网络规模的不确定导致预测效果无法确定。针对这一问题,提出一种利用回声状态网络(echo state networks,ESN)作为EMG信号的建模方法。对于ESN网络中参数不易确定的问题,采用粒子群算法(particle swarm optimization,PSO)对网络参数进行优化,以找到适合不同信号的网络模型。为了提高优化速度,ESN的优化目标函数改为平均均方根误差并采用新的位置更新算法,避免粒子群算法出现局部最优的问题。仿真结果表明改进粒子群算法加快了目标函数的优化速度。
文摘为了提升泄露积分型回声状态网(Leaky integrator echo state network,Leaky-ESN)的性能,提出利用罚函数内点法优化Leaky-ESN的全局参数,如泄漏率、内部连接权矩阵谱半径、输入比例因子等,这克服了通过反复试验法选取参数值而降低了Leaky-ESN模型的优越性和性能.Leaky-ESN的全局参数必须保障回声状态网满足回声状态特性,因此它们之间存在不等式约束条件.有学者提出利用随机梯度下降法来优化内部连接权矩阵谱半径、输入比例因子、泄露率三个全局参数,一定程度上提高了Leaky-ESN的逼近精度.然而,随机梯度下降法是解决无约束优化问题的基本算法,在利用随机梯度下降法优化参数时,没有考虑参数必须满足回声特性的约束条件(不等式约束条件),致使得到的参数值不是最优解.由于罚函数内点法可以求解具有不等式约束的最优化问题,应用范围广,收敛速度较快,具有很强的全局寻优能力.因此,本文提出利用罚函数内点法优化Leaky-ESN的全局参数,并以时间序列预测为例,检验优化后的Leaky-ESN的预测性能,仿真结果表明了本文提出方法的有效性.
文摘光伏电池温度变化影响光伏系统输出的稳定性,精准地预测光伏电池板温度的变化趋势,对光伏系统智能运行具有重要意义.为了更好地预测温度的变化趋势,本文考虑了光伏电池板温度的迟滞效应,将先前的温度输出作为延迟项引入回声状态网中,提出了一种基于延迟回声状态网的光伏电池板温度预测模型.给出一个延迟回声状态网具有回声状态特性的判定条件,使得预测模型能够稳定地预测光伏电池板温度.同时,建立了一套光伏多传感器监测系统,利用该监测系统采集的数据,训练和验证模型的准确性.与回声状态网(Echo state network,ESN),Leaky ESN(Leaky-integrator ESN)和VML ESN(ESN with variable memory length)相比,仿真结果表明,本文所提出的延迟回声状态网具有更好的预测性能,平均绝对百分比误差甚至达到3.45%.
文摘脑机接口系统通过大脑—计算机接口技术和控制理论的组合来弥补由于肌体的受损部分而造成的信息缺失.本研究基于心理生理皮质神经元放电率电路模型,在脑机接口控制理论分析的基础上进行自发单关节运动任务,采用自适应ESN(echo state network)设计非线性解码器,并引入FORCE(First Order Reduced and Contrdled Error learning)算法更新网络输出权值,通过仿真有无自然本体反馈信息情况下的解码器的性能来验证所设计的解码器的有效性.最后,通过基于遗传算法LS-SVM(least squares support vector machine)的直接逆模型框架,设计近似大脑皮层感觉区神经元放电率的最佳人工本体反馈去刺激大脑皮层感觉区神经元.仿真结果发现,所设计的闭环脑机接口(BMI)系统框架能够很好地恢复在线自发单关节自然运动任务性能,这也为当系统模型未知时,根据对象的输入输出数据恢复闭环系统的性能提供了新的研究思路.
