针对回声状态网络（Echo State Networks，ESNs）输入序列延迟时间（和嵌入维数D的选择以及储备池的适应性问题，利用自相关性分析法从被预测样本序列构建ESNs网络输入，并通过移动通信话务量的预测问题，采用实验分析的方法讨论了储备...针对回声状态网络（Echo State Networks，ESNs）输入序列延迟时间（和嵌入维数D的选择以及储备池的适应性问题，利用自相关性分析法从被预测样本序列构建ESNs网络输入，并通过移动通信话务量的预测问题，采用实验分析的方法讨论了储备池参数选择对于时间序列预测性能的影响.与采用ARMA和BP神经网络的预测方法相比，新方法在保证预测精度和效率的情况下，具有更好的泛化能力.展开更多
结合人工神经网络(Artificial Neural Network,ANN)和有限状态机(Finite State Machine,FSM),对变电站告警信息进行处理。首先构建ANN权矩阵模型和学习算法,通过对历史数据库的学习获取各种事故和异常状态的逻辑推理和知识表达;进一步地...结合人工神经网络(Artificial Neural Network,ANN)和有限状态机(Finite State Machine,FSM),对变电站告警信息进行处理。首先构建ANN权矩阵模型和学习算法,通过对历史数据库的学习获取各种事故和异常状态的逻辑推理和知识表达;进一步地,设计FSM模型实现信号的排查和告警过程记录;最后形成告警原因分析和结果处理的综合分析结果。通过实际电网案例对所提算法进行验证,结果证明该方法对于电力系统通用故障告警判断具有快速、容错和学习能力强等特点,对应用于大规模电力系统的在线故障诊断问题的解决具有重要意义。展开更多
现有回声状态网络(Echo State Networks,ESNs)的通信话务量预测方法只考虑了历史通信话务量对预测性能的影响,较少涉及多个输入变量的通信话务量预测问题。文中首先针对ESNs用于实际多元时间序列预测任务时训练效率低,输入数据维数较多...现有回声状态网络(Echo State Networks,ESNs)的通信话务量预测方法只考虑了历史通信话务量对预测性能的影响,较少涉及多个输入变量的通信话务量预测问题。文中首先针对ESNs用于实际多元时间序列预测任务时训练效率低,输入数据维数较多时计算复杂度大的问题,提出用改进的交替方向乘子算法(IAD-ESNs算法)训练ESNs;针对单一输入变量不能提供更加全面的预测信息,提出了改进ESNs的多变量预测模型(MP-IADMM-ESNs)。以真实通信话务量数据进行仿真实验,结果表明,提出的预测模型MP-IADMM-ESNs对多变量通信话务量预测有较高的预测精度和预测效率。展开更多
文摘针对回声状态网络（Echo State Networks，ESNs）输入序列延迟时间（和嵌入维数D的选择以及储备池的适应性问题，利用自相关性分析法从被预测样本序列构建ESNs网络输入，并通过移动通信话务量的预测问题，采用实验分析的方法讨论了储备池参数选择对于时间序列预测性能的影响.与采用ARMA和BP神经网络的预测方法相比，新方法在保证预测精度和效率的情况下，具有更好的泛化能力.
文摘结合人工神经网络(Artificial Neural Network,ANN)和有限状态机(Finite State Machine,FSM),对变电站告警信息进行处理。首先构建ANN权矩阵模型和学习算法,通过对历史数据库的学习获取各种事故和异常状态的逻辑推理和知识表达;进一步地,设计FSM模型实现信号的排查和告警过程记录;最后形成告警原因分析和结果处理的综合分析结果。通过实际电网案例对所提算法进行验证,结果证明该方法对于电力系统通用故障告警判断具有快速、容错和学习能力强等特点,对应用于大规模电力系统的在线故障诊断问题的解决具有重要意义。
文摘现有回声状态网络(Echo State Networks,ESNs)的通信话务量预测方法只考虑了历史通信话务量对预测性能的影响,较少涉及多个输入变量的通信话务量预测问题。文中首先针对ESNs用于实际多元时间序列预测任务时训练效率低,输入数据维数较多时计算复杂度大的问题,提出用改进的交替方向乘子算法(IAD-ESNs算法)训练ESNs;针对单一输入变量不能提供更加全面的预测信息,提出了改进ESNs的多变量预测模型(MP-IADMM-ESNs)。以真实通信话务量数据进行仿真实验,结果表明,提出的预测模型MP-IADMM-ESNs对多变量通信话务量预测有较高的预测精度和预测效率。
