網(wǎng)絡權值準則及其在偽周期動力特征識別中的應用.pdf

1、近幾十年來，混沌科學得到了迅速的發(fā)展。對于實際問題中不能直接建立數(shù)學模型的混沌系統(tǒng)，可以通過實驗或觀測手段獲得對應的時間序列。從時間序列中分析觀察系統(tǒng)的動力特征一直受到大家的關注。本文主要研究偽周期時間序列的動力特征提取。
　　傳統(tǒng)的方法大多是基于計算非線性系統(tǒng)的幾何不變量，例如：關聯(lián)維數(shù)，李亞普渃夫指數(shù)等。通過計算幾何不變量分析數(shù)據(jù)的動力特征有時并不可靠，已經(jīng)證實過濾噪音可以模仿低維的混沌吸引子。隨后出現(xiàn)的替代數(shù)據(jù)方法雖然為復雜

2、系統(tǒng)的動力特征識別提供了新方法，但對于偽周期時間序列效果不佳，主要是由于偽周期序列的內(nèi)在動力特性很容易隱藏在表面的極強周期性上。
　　通過大量的模擬數(shù)據(jù)實驗，我們發(fā)現(xiàn)神經(jīng)網(wǎng)絡的權值分布圖能很好的反應偽周期序列的動力特征。由此，我們提出偽周期序列的網(wǎng)絡權值準則。通過分析神經(jīng)網(wǎng)絡的列文伯格-馬奎爾特訓練算法，我們找出訓練數(shù)據(jù)與權值分布之間的內(nèi)在聯(lián)系，為權值分布準則提供了理論依據(jù)。同時，通過已知的微分方程產(chǎn)生模擬數(shù)據(jù)，進一步驗證和考察了