预测器
- 基于Venn-Abers预测器的系统日志异常检测方法
的算法有一致性预测器和Venn-Abers预测器,一致性预测器在置信度下给出p值作为预测可靠性的估计[7],但这不是直接概率。本文将引入一种将常规预测器的结果转换为概率的算法,给出预测结果的概率估计值,使结果更加直观。引入统计学习算法Venn-Abers预测器是具有有效性保证的,该方法可以对日志异常检测结果进行可靠性评估,也就是对预测结果的正确性进行有效的概率预测。它是基于概率对数据进行分类的机器学习框架,任何机器学习算法都可以作为它的底层算法。Venn-
计算机应用与软件 2023年10期2023-11-02
- 基于预测模型的事件触发控制
控制方法,使用预测器来主动补偿网络引起的通信延迟和数据丢包,并实现了预期的控制效果。文献[15]在切换线性系统中,利用预测器解决了事件触发控制中网络系统存在的延迟问题。文献[16]中,Yang等人提出了一种事件触发的预测控制方法来稳定网络控制系统,在保证闭环系统稳定的前提下,提供了最大的触发间隔。文献[17]提出了一种新型的网络控制系统结构,在传感器设备和控制器设备上都设置了事件触发机制,以减少反馈网络流量,通过预测被控对象的未来状态,设计了一种新的数据包
计算机仿真 2023年4期2023-05-31
- 锻造工艺软件套装
——基于新颖工艺模型的先进径向锻造道次设计技术
orge®性能预测器。未来它的功能还将不断完善和发展。ComForge®道次表计算器自30 多年前西马克推出第一台SMX 径向锻造机以来，ComForge®已被证明是一种高效而强大的工具，可用于创建道次表。ComForge®通过解决工艺设计中的主要挑战，确保始终如一的高水平生产质量：⑴提高生产效率→最好的性能；⑵最小公差；⑶具有详细记录的高度可重复性。在新的锻造工艺软件套装中，广为业界熟知的ComForge®工艺软件被重新命名为ComForge®道次表计算
锻造与冲压 2023年3期2023-02-28
- 多模型融合的矿区地表沉降预测方法及适用性
-KF-BP强预测器模型。最后，通过MATLAB软件分别计算BP神经网络模型、KF-BP模型、AdaBoost-BP模型和AdaBoost-KF-BP模型预测矿区地表沉降的精度。1 AdaBoost-KF-BP模型1.1 BP神经网络BP神经网络是一种由信息正向传播和误差逆向传播2个部分组成的多层前馈网络，其本质是将输入层的数据信息通过正向传递，经隐含层计算传至输出层进行输出，再根据输出值与真实值的差值进行误差反向传播，以对网络中各层神经元的权值和阈值进行
大地测量与地球动力学 2023年3期2023-02-28
- 基于EEMD-Elman-Adaboost的中美股票价格预测研究
样本训练不同的预测器(弱预测器)，然后把这些弱预测器集合起来，构成一个更强的预测器(强预测器)[14]。本文Adaboost算法在Elman-Adaboost组合中发挥作用，以Elman神经网络为基础，通过Adaboost算法将Elman神经网络作为弱预测器，对Elman神经网络的样本输出进行反复训练，通过Adaboost算法得到由多个Elman神经网络弱预测器组成的强预测器。Adaboost优化Elman神经网络步骤如下：步骤1数据获取及网络初始化。从样
运筹与管理 2022年11期2022-12-15
- 多预测融合的脑电情绪识别迁移方法
一个独立的标签预测器，以充分利用不同源域的情绪判别信息进行融合预测。最后，在情绪脑电数据集上验证了所提方法的性能。1 方 法1.1 问题定义当测试领域（目标域）完全未知时，只能尽可能地从训练领域（源域）中学习具有较好泛化能力的模型。在基于脑电信号的情绪识别中，当预先训练的模型服务于大众时，它可能会遇到为模型提供过训练数据的人（跨会话场景），但更多时候都会面临着未知的测试者（跨被试场景）。这些真实的场景对模型的成功应用提出了较高的要求。本文尝试探索领域泛化在
电视技术 2022年7期2022-08-19
- 输入延迟系统的切换伪预测镇定控制器
非线性系统时，预测器的方法依然有效.文献[11]为一种时滞系统设计了改进无模型自适应预测控制器，使延迟系统稳定.文献[12]研究了一种高能随机非线性系统，设计了一个自适应神经网络预测控制器，使得闭环系统在任意切换下所有信号有界.当预测器提供的预测状态与系统未来状态一致时，利用预测状态进行控制相当于去掉了控制通道中的延迟，从而使常规设计方法得以应用，只是用开环系统进行系统未来状态的预测，会产生关于输入的积分项，而输入的积分项只能通过数值分析的方法进行求解，故
河北大学学报（自然科学版） 2022年3期2022-06-16
- 基于近邻成分分析的短期风电功率集成预测
型，而是将多个预测器组合，协调工作共同完成预测任务。为训练出具有差异的一测器，一种方法是基于某一学习算法，通过设置不同的数据结构或模型参数生成同质的预测模型，常用方法包括Bagging[10]和Boosting[11]，文献[12]采用自适应提升算法将BP神经网络集成，通过误差平方倒数优化BP网络的结合权重，有效地改善了预测模型的泛化能力。但同质模型基于相近的假设空间，差异性较小。另一种方法是采用不同的学习算法产生异质预测器，研究以结合策略为主。除了以传统
科学技术与工程 2022年14期2022-06-14
- 激光测振仪中最小均方误差前向预测器的研究
陷波器或者前向预测器两种结构，陷波器结构需要获取振动测量信号的噪声分量作为输入，获取难度较大；而前向预测器结构仅需要测量信号作为输入，可以降低算法应用的难度，适用于激光测振仪的LMS 自适应滤波。为了解决高精度激光测振仪中自适应滤波的难题，本文采用LMS 前向预测器作为激光测振仪的自适应滤波方法，通过理论推导、仿真和实验验证，研究了影响LMS 前向预测器滤波信噪比的因素。仿真和实验验证表明，LMS 前向预测器的信噪比和收敛速度与振动测量信号峰值、滤波器阶数
光电工程 2022年5期2022-06-03
- 采用MEA-AdaBoost-BP模型的工程结构可靠性分析方法
个权重一致的弱预测器函数，再用AdaBoost算法将弱预测器反复迭代t次；每次迭代后预测，若预测结果误差大于设定误差，则赋予该组样本较大权重进行加权学习.最终由AdaBoost算法进行加权组合T组BP神经网络弱预测器，形成AdaBoost-BP强预测函数.AdaBoost-BP算法流程图，如图2所示.图2 AdaBoost-BP算法流程图AdaBoost-BP神经网络算法有如下4个具体的操作步骤.步骤1数据初始化.随机选择M组训练数集，运用已优化权值和阈值
华侨大学学报（自然科学版） 2022年3期2022-05-11
- 固定时间预测器下的欠驱动无人艇路径跟踪控制
提出了一种基于预测器的导航律(predictorbased line-of-sight,PLOS),通过预测跟踪误差估计未知侧滑角,对环境扰动进行补偿,从而使导航更准确,减少震荡.文献[4]在此基础上提出一种能在有限时间收敛的预测器,能使预测误差更快收敛到零,还利用径向基神经网络(radial basis function neural network,RBFNN)对无人艇模型进行训练,减少模型不确定性,解决了由洋流等因素引起的大测滑角的问题,提高了跟踪稳
控制理论与应用 2022年10期2022-02-28
- 基于状态维修的备件预测技术
技术，备件需求预测器的预测结构，备件需求预测器体系结构的实现，备件需求预测器的运行，应用实例及结论。目前国内直升机领域也在开展基于状态维修的研究工作。通过本文的讨论，期与国内直升机同行共享国外的技术信息，促进国内直升机基于状态维修技术的发展。1 预测技术1.1 敏捷和精业困境的化解为了实现基于状态维修的目标，需要建立机群的基于状态维修的备件保障网络。该网络根据直升机的使用状态，动态地提供与维修相匹配的足够多的备件，使该网络将所需备件配送到维修场地。从维修的
直升机技术 2021年4期2022-01-12
- 一种用于沙盘推演的规划识别方法*
行为不断训练弱预测器，最终组成强预测器。并以aerial bombing operations数据集为例设计实验，验证方法可行性。2 沙盘推演分析模型2.1 模型框架实现沙盘推演分析的模型如图1所示。首先策略规划器将对手的动作或状态的改变作为观察对象，推理出对手规划和所有的目标，不仅如此，策略规划器会依据预测的对手规划做出应对动作，然后策略规划器向动作规划器下达指令，动作规划器会依照指令，进行有效的信息决策，接着模型要依据决策进行行为模拟，同时将收集到的有
舰船电子工程 2021年12期2022-01-06
- 基于FEEMD-PACF-BP_AdaBoost模型的风电功率超短期预测
将得到的多个弱预测器组成新的强预测器，提高预测精度。1 算法原理1.1 FEEMD算法实际中的大多数信号是非稳定信号，为此Huang等[9]提出EMD来处理这种非稳定的信号，EMD是信号处理上的一个重大突破。但是非稳定信号的极值点分布不均匀会在EMD分解的过程中产生严重的模态混叠现象问题。模态混叠会使临近的两个IMF分量波形混叠在一起，无法辨认，致使分解出的IMF分量没有意义。因此，常鹏等[10-11]提出了一种EMD的改进方法——EEMD，通过在不同的序
计算机应用与软件 2021年11期2021-11-15
- 具有状态预测器的领航-跟随邻接输入饱和时滞多智能体系统的一致性
统,设计了状态预测器,并设计了相应的一致性控制律,使邻接输入饱和时滞的多智能体系统状态更快地达到了一致。本文主要研究无向图下具有状态预测器的领航-跟随邻接输入饱和时滞多智能体系统的一致性问题,根据扇形区域法处理输入饱和项,设计适当的Lyapunov函数及一致性控制律,获得系统状态达到一致的充分条件;并运用MATLAB进行仿真,验证了方法的有效性。1 预备知识定义1[12]给定一个正参量ρ,饱和函数δρ(·):m→m满足δρ(x)是分布式的。即δρ(x)=c
沈阳师范大学学报(自然科学版) 2021年3期2021-08-17
- 一种基于元学习框架的时间序列预测方法
都只采用了单一预测器模式，但是根据NFL定理，并不存在一种算法对所有的任务都适用。Yao[1]分析指出，将集成学习方法应用于解决TSP问题具有比单个模型更优良的性能。这类方法在TSP问题中的应用包括神经网络线性集成框架[16]、ELM改进层集成架构[17]等。同时，为了降低集成学习的空间复杂度，集成选择技术[18-20]更受研究者青睐。该技术的核心在于定义基预测器的性能评价准则，以挑选出最能“胜任”当前预测任务的一组预测器进行组合决策。但是集成选择技术在处
兵器装备工程学报 2021年7期2021-08-04
- 一种低复杂度联合过程估计干扰对消方法
方法，利用格型预测器将参考信号转化为彼此之间相互正交的后向预测误差，然后利用多重回归滤波器将后向预测误差进行线性组合，从而实现对泄漏和杂波信号的拟合相消[10-11]。联合过程估计虽然可以提高算法的收敛速度，但是相比于传统LMS算法，计算复杂度明显提高，不利于工程实现，尤其是当需要对消的杂波距离很远、滤波器长度很大时。在连续波噪声雷达中，参考信号可以用一个低阶的AR过程进行拟合，此时，通过理论分析可以证明，格型预测器的高阶反射系数为零。这意味着，使用一个低
无线电工程 2021年7期2021-07-14
- 混杂纤维混凝土冻融后损伤值预测★
整样本权重和弱预测器权值，从训练出的弱预测器中筛选出权值系数最小的弱预测器组合成一个最终强预测器，使预测更加精确。AdaBoost算法的主要思想是用一个训练集训练不同的预测器(弱预测器)，然后用一些方法将它们结合起来构造一个更强的预测器，算法框架如图2所示。1.3 AdaBoost-BP算法AdaBoost-BP算法的思想是把不同的BP神经网络模型当成弱预测器。通过 AdaBoost算法的训练学习得到相应的权重，然后把每个 BP神经网络改进模型的权重占总权
山西建筑 2021年12期2021-06-11
- AdaBoost-PSO-LSTM网络实时预测机动轨迹
分布的最佳线性预测器,较大幅度地提高了预测精度,但该方法进行预测会产生延迟,实时性能不够。文献[9]提出了基于高斯混合模型的轨迹预测方法,利用高斯混合模型计算不同运动模式的概率分布,其预测结果是未来所有可能运动轨迹的概率分布,在自由空战中三维模型会产生大量不同的运动模式,预测结果可能会变成多种小概率事件,所以在多维运动中适应性不高。文献[10]将灰色理论和动态测量理论结合,利用最小方差估计值代替实际值,引入微分方程,求解预测轨迹,该方法无法准确地对参数估值
系统工程与电子技术 2021年6期2021-05-31
- 基于Adaboost的改进Elman神经网络港口吞吐量预测方法
t算法将多个弱预测器组合形成强预测器，通过对弱预测器设置不同的权重，能够将预测误差大的样本分离出来，从而更加重视对误差较大的数据的训练，达到更高的精度。笔者将Elman神经网络作为弱预测器，进行港口吞吐量的预测，同时选择Adaboost算法将多个弱预测器组成Elman-Adaboost强预测器模型。然后采用该方法对宁波-舟山港的港口吞吐量进行预测，并将预测结果与相同数据及构建方式下的BP、BP-Adaboost以及Elman神经网络的预测结果进行比较。1
重庆交通大学学报(自然科学版) 2021年5期2021-05-20
- 分支预测技术对性能影响研究
.1 静态分支预测器静态分支预测是一种实现简单的方法，比如预测永远不发生跳转，取指单元总是按顺序取指，直到发现错误才丢弃不正确的中间状态，重新取指。静态分支预测特点是实现简单，但是预测的精度不高，在早期的CPU 设计中会使用这种方式。1.2 动态分支预测器现代处理器使用较多的是动态分支预测器，该类预测器能够记录分支的历史跳转信息，来预测将要执行的分支跳转行为。如果由于程序执行的行为发生改变，预测器也会根据执行情况自动调整，从而拥有较好的预测准确度和自适应性
电子技术与软件工程 2021年1期2021-04-20
- 基于AdaBoost-Elman算法的锂离子电池荷电状态估计方法
st算法提高弱预测器精度的特性，使组合后的强预测器具有较强的泛化能力、估计精度和动态特性。与BP神经网络和Elman神经网络的估计精度进行比较，AdaBoost-Elman神经网络的估计精度高、动态特性好，为锂离子电池估计提供了一种新的途径。锂离子电池；估计；神经网络；集成学习0 引言电池值用于计量当前状态下电池剩余可用电量，不能直接使用测量手段获取，从而不满足实时监测的要求。工作状态下，电池系统时刻工作于非线性状态。目前电池管理系统针对的估计方法主要是通
电力科学与工程 2021年2期2021-03-18
- 基于GSK-AdaBoost-LightGBM的交通事故死亡人数预测研究
组合形成一个强预测器，以实现提升预测精度的目的，已在冠心病中医症候诊断、人脸检测、遥感影像水体信息提取以及火灾烟雾探测等多个领域得到了广泛的应用。综上，本文基于AdaBoost算法集成多个LightGBM模型建立了AdaBoost-LightGBM(Ada-LightGBM)增强集成模型，并应用网格搜索法和K折交叉验证(Grid Search and K-Cross-Validation，GSK)进行参数寻优，进一步优化模型，最终得到了GSK-AdaBoo
安全与环境工程 2021年1期2021-03-11
- 基于集成学习的交通流短时特性分析与神经网络预测方法
ost算法对弱预测器权值分布,从而在某输入状态下具有更佳的拟合效果,有效地提供单一模型的泛化能力,从而更好达到交通流的一步或多步预测。1 交通流可预测性分析1.1 重标极差分析法重标极差分析法(rescaled range analysis,R/S)用来分析时间序列的分形特征和长期记忆过程[16],Hurst指数用以度量趋势的强度和噪声的水平随时间的变化指标。具有Hurst统计特性的系统,它反映的是一长串相互联系事件的结果,不依赖于通常概率统计学的独立随机
科学技术与工程 2021年4期2021-03-07
- 基于真实历史反馈的自适应值预测器的设计与优化*
最初的研究中值预测器的预测精度一般，并且预测失效的开销比较大，因此值预测的性能提升有限。Lipasti等[8,9]提出了新值预测方法LVP(Last Value Prediction)，并对Gabbay[5,6]所提出的预测方法在不同情况下性能提升原理进行了分析研究。Sazeides等[9]将值预测的预测器分为计算型预测和上下文型预测2种。计算型预测器通过对所获得的数据进行一定规则的运算来产生最终的预测数据，称为步长预测器，都是通过将获得的值加上步长来产生
计算机工程与科学 2021年2期2021-03-01
- 基于BP-AdaBoost的电商短期销量预测模型①
果,通过增加弱预测器数量重点学习预测错误的样本并分配预测器权重,根据预测器权重组合多个BP 神经网络(以下简称BPN)的模型输出建立一个准确率更高的预测模型.短期销量预测对于迅速反应电商行情变化,制订短期内稳定销量的应对方案和促销计划具有重要的意义.1 AdaBoost-BPN 预测模型的建立1.1 BPN 弱预测器BPN是机器学习领域应用较为广泛的一种神经网络算法,常用于模式识别、数据分类、数据挖掘等领域.BPN 实际上是一个大型的双向循环的迭代计算模型
计算机系统应用 2021年2期2021-02-23
- 预测
全称为神算子牌预测器。没错，仪器的用途就是对未来事件进行预测。试用仪器面向全球所有人，说明书有中、英、俄、法、日等几种语言，但试用仪器却少得可怜，只有5台。对试用者倒也没有太苛刻的要求，只是规定试用期满后使用者需要写一篇尽可能详尽的体验报告。米多多迅速按照要求登记注册，填写相关资料，确认上传，就完成了试用申请。他的运气确实不错，居然就在众多报名者中脱颖而出，还真有了试用机会。这幸运来得太容易，开始他还怀疑会不会是某些人的恶作剧呢！三天之后，他收到一个快递包
第二课堂(初中版) 2021年10期2021-02-12
- 基于Adaboost-PSO-BP模型的开采沉陷预测研究
练，利用多个弱预测器组成强预测器。本文以PSO-BP模型为弱预测器对训练样本训练、预测，将输出预测误差大于预定误差的样本作为加强训练样本，调整其权重，以改变之后的权重计算下一个弱预测器的权重，多次训练后，可得到多个弱预测器及其权重，组合成强预测器进行预测，输出预测结果[14]。Adaboost-PSO-BP模型预测具体步骤如下：设训练数据集中存在m组训练样本[x1，x2，…，xm]：1)初始化训练数据集中m组训练样本权重wi：式中，wi为初始权重；m为训练
煤炭工程 2020年12期2020-12-22
- 基于演化模式挖掘和代价敏感学习的交通拥堵指数预测①
的交通拥堵指数预测器。之所以对历史交通拥堵指数数据进行离散化，是由于演化模式是由离散型数据构成的。然后，从多个角度对影响交通拥堵指数的时空特征(如路网特征、区域特征、时序特征)进行提取，在此基础上建立基于机器学习的交通拥堵指数预测器。一方面，为与基于演化模式的交通拥堵指数预测器进行融合，基于机器学习的交通拥堵指数预测器的输出也应为离散型数据，因此采用分类模型构造预测器；另一方面，由于离散化后的交通拥堵指数数据间仍存在量化比较关系，而普通分类模型无法表示类型
高技术通讯 2020年9期2020-10-19
- 随机追踪策略预测钟差的理论分析
追踪策略由一个预测器组构成[7-9]，其中每个预测器工作在一个独立的子空间，所有预测器对未来预测的加权平均作为最终预测结果。具体包括如下几个部分。1)历史数据设原子钟相位或频率数据的测量值向量为X,每个数据点间隔时间为T，则有X=(x1x2…xn)(1)式中：X——历史数据样本，即一台原子钟相对参考钟或时标测量得到的相位差或频率差；xt——t时刻的相位差或频率差。向量X作为原子钟测量的历史数据，用于预测原子钟未来的相位或频率变化。2)随机分组3)拟合函数4
宇航计测技术 2020年3期2020-09-11
- DNA 4mC 甲基化修饰位点预测的研究进展
现有4mC 预测器1.1 iDNA4mCiDNA4mC[4]是最早由陈伟与林昊两个团队利用机器学习方法共同提出的预测4mC 修饰位点的预测工具。含4mC 位点的阳性样本是从MethSMRT 数据库中获取，涉及线虫、果蝇、拟南芥、大肠杆菌、嗜碱菌和地杆菌六个物种，最终采用滑窗法（最优窗口长度为41bp）构建了高质量的平衡数据集（表1）。表1 基准数据集物种正样本及负样本数量分布DNA 样本序列由核苷酸物理化学属性和核苷酸密度进行编码，每个核苷酸被转化为4
科学技术创新 2020年17期2020-06-30
- 一种改进型TAGE分支预测器的实现
型TAGE分支预测器的实现李正平，高 杨（安徽大学 电子信息工程学院，安徽 合肥 230031）针对传统的TAGE分支预测器存在分支别名冲突以及对与历史不相关的分支预测准确率较低两个问题，提出了基于PC特征提取和提升基础预测表优先级的方式对预测器进行改进。将传统的TAGE分支预测器与本文改进的预测器共同使用SPEC2000的测试程序进行验证。实验结果表明，改进之后的分支预测器能够有效地解决这两个问题，预测准确率有着明显的提升。分支预测；处理器性能；特征提取
辽宁工业大学学报(自然科学版) 2020年1期2020-01-07
- 衰落信道下的天线选择空时编码方案
SE)维纳信道预测器是一种改善MIMO时间选择性衰落信道中反馈延时影响的有效措施[11],文献[12-14]将MMSE信道预测器应用于预测TAS(TASP)/接收最大比(MRC)无线系统以及TASP-OSTBC之中,研究结果表明上述设计达到了预期的目标。OSTBC编码器的输出通常要经过非线性高功率放大器放大后由发射天线发射出去,但是高功率放大器的非线性失真会恶化其性能[11-12]。常用的高功率放大器有采用理想预失真的软包络限幅器(SEL)、固态功率放大器
西安交通大学学报 2019年12期2019-12-21
- 基于改进稀疏线性预测的时延估计算法
3]。传统线性预测器的配置，采用长期预测器和短期预测器级联的方式来实现，得到的预测系数向量非常稀疏[4]。然而，当语音信号被噪声污染时，这种稀疏性降低甚至不存在，因而导致线性预测器的性能降低。针对这一问题，一种可行的方案是，将线性预测器系数向量的稀疏性用于构造L2/L1范数优化模型，进而预白化用于时间延迟估计的麦克风信号；结果表明，L2/L1-LP预白化的TDE算法对于噪声和混响的免疫性得到有效提高[5]。基于稀疏性约束的原理，本文提出一种基于改进L2/L
传感器与微系统 2019年11期2019-11-18
- 基于L1自适应的无人飞艇俯仰姿态控制器设计
础上，增加状态预测器和低通滤波器，使得控制律与自适应律彼此独立，并通过状态预测器与系统状态差值迭代，保证系统快速响应与稳定。图1 无人飞艇L1框图2.1 状态反馈配置在设计理想系统时先忽略线性化误差以及建模误差，被控系统可描述为：(6)首先对上述系统进行状态反馈配置来改善其稳定性和动态特性。状态反馈配置的分为两部分：一是通过LQR设计状态调节器，求取状态反馈矩阵Km1，改变闭环系统的零极点，改善稳定性和系统动态特性[9]。二是基于上述具备LQR状态调节器的
测控技术 2019年8期2019-09-10
- 基于LASSO的可逆图像水印算法
用中值边缘检测预测器(Median Edge Detection predictor，MED)，其他像素则使用局部预测来对像素进行预测。Panyindee[19]提出了一个基于二次嵌入测试的CT图像可逆水印方案。他们先把图像分为两个相互独立的集合，对每一个像素进行两次水印嵌入测试，把它们分为三类，并用不同的方法进行水印嵌入。由于第三类算法的良好率失真性能，这一类算法得到了广泛的研究，是目前可逆数字水印研究的主要研究方向。对于这一类算法，其性能很大程度上取决
计算机应用 2018年8期2018-10-16
- 基于Adaboost算法的水质组合预测方法研究
的训练样本的弱预测器序f1，f2，…，fn，并且每个弱预测器也具有相应的权值，预测效果越好，弱预测器权值越大；最后在迭代完成后将所有弱预测器加权求和得到强预测器，再用强预测器进行预测[17]。2 组合预测方法2.1 参数优化RBF网络可以自适应的确定网络结构，但采用固定的目标误差goal以及扩展系数spread，无法针对样本进行优化，导致训练精度仍有待提升，在此使用梯度下降法得出一系列相对应的目标误差及扩展系数，通过试凑法获取最优的预测结果。关于SVM参数
计算机测量与控制 2018年8期2018-08-24
- 基于非线性自适应脉冲噪声处理技术的甚低频通信大气噪声抑制算法及仿真实现∗
分是自适应波形预测器。它能够通过某种自适应算法，自动地调整权向量的值，使输出信号能够预测出输入MSK信号的波形。本文采用的自适应算法是：基于双曲正切函数的变步长LMS算法。该算法具有能够在获得较快收敛速度和跟踪速度的情况下保证有较小的稳态误差的优点，比单纯采用LMS算法能够保证较快的收敛速度和稳态误差［8～10］。图1 非线性自适应噪声处理器的结构2.1 自适应波形预测器模型自适应波形预测器采用两组单频正弦信号作为线性组合器的输入信号，其频率分别为载波的中
舰船电子工程 2018年7期2018-08-01
- 基于ELM_AdaBoost强预测器的空战目标威胁评估
aBoost强预测器。另外,针对传统数据化方法所用空战数据较少的问题,本文利用了空战训练测量仪(air combat maneuvering instrument, ACMI)中的空战数据,并用威胁指数法构造了目标威胁评估的样本数据。其中,ACMI是一种空战数据记录设备,可以实时采集、传输并保存战斗机的时间、位置、速度和姿态等数据,可为空战问题的研究提供大量客观真实的数据[17]。基于以上考虑,本文在利用ACMI空战数据和威胁指数法的基础上,提出了一种基于
系统工程与电子技术 2018年8期2018-07-27
- “神算子”预测器
称为“神算子”预测器。没错，仪器的用途就是对未来事件进行预测。试用者面对全球所有人，说明书有中、英、俄、法、日等几种文字，但试用品少得可怜，只有5台。研究所对试用者倒也没有太苛刻的要求，只是规定试用期满后使用者要写一篇尽可能详尽的体验报告。米多多按照要求迅速登记、注册，填写相关数据，确认上传，就行了。他的运气确实不错，居然在众多报名者中脱颖而出，真领到了一台。这幸运来得猝不及防，开始他还怀疑会不会是某些人的恶作剧呢。3天之后，他收到一个快递包裹。打开包裹，
青少年科技博览（中学版） 2018年3期2018-05-12
- 基于集成相关向量机的水质在线预测模型
型以RVM为弱预测器，利用改进的AdaBoost.RT算法将多个弱预测器集成为强预测器。RVM是建立在贝叶斯理论(Bayesian Principle)下的稀疏核机，不受Mercer定理的限制，可以任意选择核函数，具有较好的泛化能力，但污水生化处理的过程，存在着参数时变的现象，随着异常值的增多，会使RVM的预测精度下降，针对这一问题，该模型利用改进的AdaBoost.RT算法将RVM弱预测器分层组合，使迭代的重点聚焦与少数异常样本上，提高了模型的预测精度的
计算机测量与控制 2018年3期2018-03-27
- 信道预测和联合收发分集的RQAM误符号率性能分析
MSE维纳信道预测器和TAS/MRC天线分集的RQAM、DE-QPSK的平均误符号率(Average Symbol Error Rate,ASER)精确和近似表达式,并对其进行仿真。1 系统模型(1)其中,τ=DLbTs为信道延时,Ts为RQAM或DE-QPSK的符号周期,D为正整数,fd为多普勒频移,E[.]表示求期望,J0(.)是第一类零阶Bessel函数[14]。假定使用文献[13-14]的PSAM技术和N阶MMSE维纳信道预测器来完成对信道估计和预
计算机工程 2018年1期2018-01-19
- 基于BP-Adaboost算法的棉花采摘机预维修方法研究
构建多个BP弱预测器，然后用Adaboost算法将获得的几个BP弱预测器形成一个强预测器。具体步骤如下[10]：(1)样本数据选择和神经网络初始化初始化训练样本的权重，权重分布如下：Dt(i)=1/Ni=1,2,…,N(1)式中，N为训练数据集中样本总数，Dt(i)表示权重值，t为迭代数，i为样本数。初始化时t=1；设置最大迭代次数为T。网络结构设计根据样本输入输出维度、BP网络权重以及阈值φ(0(2)生成预测器首先进行BP弱预测器预测。通过选择不同的BP
山西农业大学学报（自然科学版） 2018年1期2018-01-17
- 基于回归分析的早期预警和失效预测技术
(何时发生)的预测器，充分展现了提前预警的作用，而且在失效模式已知和未知的情况下都能正确预测失效的发生。实验结果表明其预测精度在81.4%～93.0%，平均精度高达87%，失效避免率在70%以上，有很强的优越性。失效预测 失效模式 回归分析法 早期预警0 引 言预测失效是基于运行时系统的当前状态预测未来失效的发生，可以预先避免失效，或至少减轻失效的影响，把损失降到最低，(例如通过建议重新启动特定系统模块，保存数据等)，因此可以提高系统的可靠性。当前在线故障
计算机应用与软件 2017年11期2017-12-08
- 一种支持Superscalar-VLIW混合架构处理器的混合分支预测设计
确度，设计双峰预测器与PAp预测器混合型预测结构，充分发挥两种预测器的优点。在设计完成的处理器上，运行标准DSPstone程序。实验结果表明，添加分支预测结构使得处理器性能平均提升23%，并且混合型预测结构相比单一预测结构在准确度方面优势明显。数字信号处理器 超标量 超长指令字 分支预测 双峰预测 PAp0 引 言数字信号处理器(DSP)已经越来越多地应用于通信及多媒体信号处理领域，随着如视频、音频、图像等多媒体应用越来越复杂多样，对处理器性能的要求也越来
计算机应用与软件 2017年2期2017-02-27
- 爱情预测器
□阴玉军爱情预测器□阴玉军“哈哈，我终于成功了。”艾克教授兴奋地一下子从自己的座位上蹦了起来。经过二十余年的努力，他终于研制出了爱情预测器，能不高兴吗？艾克不敢懈怠，马上到专利局申请专利。专利局专家对艾克的发明进行验证：先输入爱因斯坦和米列娃的出生日期、血型、DNA等数据，预测器上显示了17。从1903年俩人结婚，到米列娃1919年答应离婚，不正好17年吗？专家又输入居里夫人和皮埃尔的有关信息，显示12。他们1895结婚，到皮埃尔1906年遇车祸身亡正好1
微型小说选刊 2016年6期2016-12-08
- 提升小波变换在煤矿轴承故障诊断中的应用研究
自适应提升小波预测器和升级滤波器。仿真结果表明，轴承故障信号实际测量值与理论值平均误差小于3%，说明利用提升小波变换能够实现噪声条件下轴承故障信号的准确识别。轴承故障诊断； 提升小波变换； 自适应提升小波网络出版地址：http://www.cnki.net/kcms/detail/32.1627.TP.20160902.1019.018.html0 引言当煤矿关键电动机轴承出现损伤类故障时，其测量信号中会出现以轴承元件固有频率为载波频率的多频率调制信号，主
工矿自动化 2016年9期2016-09-20
- 基于CCSDS的高光谱压缩空谱联合FPGA设计与实现
功能模块：一是预测器，用于去除高光谱图像数据冗余，另一是编码器，用于对去除冗余后的数据进行编码，如图1所示。图1 CCSDS压缩算法主要模块Fig.1 Main module of CCSDS compression algorithmCCSDS高光谱压缩预测器模型如图2所示，从预测采 样 值 ｛Sz，y，x｝预 测 残 差 ｛δz，y，x｝集 合 的 计算［5］。在采样点Sz，y，x处计算预测采样点值和无符号整型δ，一般通过当前采样点的周边值和P个相邻谱
上海航天 2015年6期2015-12-31
- 基于BP－Adaboost模型的年降水量预测研究
并多个BP 弱预测器以产生强预测器，弥补了易陷入局部极值、收敛速度慢的缺点，从而使组合后得到的强预测器具有较强的泛化能力．算法流程如图1 所示．图1 BP-Adaboost 算法预测流程具体算法步骤如下:1)样本数据采集和网络的初始化． 从样本空间中随机选择m 组训练数据，初始化数据的分布权值Dt=1 m－1，根据样本输入和输出维数确定神经网络结构，并初始化BP 神经网络权值和阈值．2)弱预测器的训练．训练第t 个弱预测器时，用训练数据训练BP 神经网络并
华北水利水电大学学报(自然科学版) 2014年5期2014-12-11
- 基于Kalman预测器的改进的CAMShift目标跟踪
于Kalman预测器的改进的CAMShift目标跟踪闫钧华1,2，陈少华3，艾淑芳2，李大雷2，段 贺1(1. 南京航空航天大学 航天学院，南京 210016；2. 光电控制技术重点实验室，洛阳 471009；3. 中国电子科技集团公司 第二十八研究所，南京 210007)CAMShift目标跟踪算法遇到目标被遮挡时容易陷入局部最大值，对快速运动目标容易跟踪失败，且无法从失败中复原。针对该问题，利用Kalman预测器改进CAMShift算法。首先利用Kal
中国惯性技术学报 2014年4期2014-10-21
- 自适应系统中基于场景的信噪比预测算法*
法中使用了系统预测器和保留预测器,系统预测器是当前系统进行信噪比预测所使用的预测器,输出预测信噪比值,保留预测器用于信道突变场景的信噪比预测中,在满足突变标志位flag=0的条件下,如果信道在i时刻发生突变,则i-1时刻的系统预测器成为保留预测器,保留预测器输出的预测信噪比称为保留预测信噪比,保留预测器以保留预测信噪比值作为保留预测器的输入,同时输出下一时刻的保留预测信噪比值,当保留预测器成为系统预测器时,保留预测信噪比即成为预测信噪比。【算法1】步骤1:
通信技术 2014年3期2014-02-09
- 基于分类预测器及退化模型的图像超分辨率快速重建
96)基于分类预测器及退化模型的图像超分辨率快速重建杨 欣1，2费树岷2周大可1唐庭阁1(1南京航空航天大学自动化学院，南京 210016)(2东南大学自动化学院，南京 210096)对基于学习的领域嵌套超分辨率重建方法进行了有效改进，提出了一种基于分类预测器以及退化模型的图像超分辨率重建技术.首先，利用退化模型得到图像训练集，并基于邻域嵌套进行分块;其次，根据图像各自特点提取灰度和梯度特征，并进行特征融合，从而实现了训练过程中噪声信息的有效抑制及图像中边
东南大学学报（自然科学版） 2013年1期2013-09-17
- Adaboost算法改进BP神经网络预测研究＊
t算法组成的强预测器的方法，并用UCI数据库中的数据集进行仿真实验，证明本文所提方法的有效性。2 BP神经网络与Adaboost算法2.1 BP神经网络原理BP神经网络是一种有监督学习多层前馈神经网络，其主要特点是信号前向传递、误差反向传播［7］。在信号前向传递过程中，输入信号从输入层进入，经过隐含层处理，到达输出层。每一层的神经元状态只影响下一层的神经元状态。判断输出层的结果是否为期望输出，如果不是，则转入反向传播，然后根据预测误差调整网络权值和阈值，从
计算机工程与科学 2013年8期2013-09-05
- 多项式预测滤波技术在智能控制中的应用
方法，如牛顿型预测器。对于确定性信号预测也可以应用牛顿型预测器、FIR预测器、IIR预测器、神经网络预测器[1]和模糊系统预测器[2]等。多项式预测滤波技术可以应用在平滑的实际信号采样处理过程中。将平滑信号建模为多项式信号模型并作为多项式预测滤波器的处理对象，是基于两点原因：首先，假定采样速率足够大，所有客观存在的信号会表现出类似分段多项式的特征；其次，基于多项式的信号处理计算效率高[3]。从定义上看，多项式预测滤波器能够估计类似多项式形式的信号的未来值。
长春师范大学学报 2013年4期2013-08-08
- 多自由度遥操作系统的适应性波预测控制
结合，同时利用预测器的预测效果和波变量法的鲁棒稳定性，能够在保证系统稳定的基础上提高系统的透明性[3-8]。系统执行任务过程中，从端环境往往是变化的，例如从端机器人从自由空间到刚性接触的过程中，预测模型和实际模型就产生了偏差。错误的预测模型会影响遥操作系统的稳定性和透明性[9]。要求预测模型能够随着从端环境的变化而变化，目前这种具有适应能力的遥操作系统的波预测方法研究得还很少。此外，目前大多数有关波变量的研究都是针对单自由度的主从遥操作系统。实际上，就遥操
计算机工程与应用 2013年11期2013-08-04
- 基于预测极性动态变换的分支预测框架研究
令分配一个分支预测器[5]，预测器通过训练记录对应分支指令最近的分支跳转信息，为分支指令再次执行提供预测信息。分支预测错误的主要原因是破坏性分支重名[6,7]，因此很多研究将重点放在减小破坏性分支重名概率上。文献[8]改变分支模式表中预测器的表征意义，表征的内容由原本的分支跳转方向改变为分支跳转方向是否和分支目标缓存器(BTB)中的偏置比特一致，该方法减小了破坏性分支重名概率，其缺点是需要结合BTB协同工作，设计复杂度高。文献[9]将分支模式表分为一个跳转
电子与信息学报 2013年4期2013-05-27
- 改进的时变非线性负荷预测组合算法
法，该算法在基预测器中增加了基于最大Lyapunov指数的混沌时间序列预测模型，其中最大Lyapunov指数为序列特征属性，在进行组合预测时将序列的特征属性和基预测器预测的结果形成元知识，作为元预测器的输入，从而发现并且纠正基预测器的系统偏差。在元预测器中，通过门控网络确定各基预测器的权重，保证了权重的时变性和非负性。预测结果表明，该算法的预测精度较高，具有实际应用价值。组合预测； 元学习； 门控网络； 最大李雅普诺夫指数； 超短期负荷预测数学模型是理想的
电力系统及其自动化学报 2012年1期2012-11-09
- 基于AdaBoost与BP神经网络的风速预测研究
神经网络作为弱预测器，通过反复的训练BP神经网络预测输出，最终得到由多个BP神经网络组成的强预测器。1 预测模型1.1 BP神经网络BP神经网络即采用误差反向传播算法的多层前向神经网络。其重要特点是信号前向传递，误差反向传播。前向传递中，输入信号从输入层经隐含层逐层处理，直至输出层。相邻两层神经元完全互连，不相邻层无连接。每一层的神经元状态只影响下一层神经元状态，如果输出层得不到期望输出，则转入反向传播，根据预测误差调整网络权值和阀值，使BP神经网络预测输
电网与清洁能源 2012年2期2012-10-16
- 大型燃煤锅炉氮氧化物排放预测模型
提高任意给定弱预测器的预测精度，在许多机器学习的问题中都得到了成功的应用。为了提高BP神经网络的预测精度，克服BP神经网络权值初始化的局限性和训练样本的主观因素，本文将AdaBoost算法与BP神经网络相结合，构建了BP-adaboost算法来预测电厂氮氧化物排放量。本文利用BP-adaboost算法，以某电厂600MW机组锅炉为例建立了氮氧化物排放特性预测模型。结果表明，与单纯的 BP网络所建模型相比，所建模型能够更加准确地预测不同运行工况下的氮氧化物排
电气技术 2012年5期2012-06-23
- 预测飞行路径透视显示方法研究
［1］。而带有预测器的透视飞行路径显示不仅以隧道的形式提供给飞行员指令信息，而且还以三维的形式提供给飞行员预测位置信息，飞行员只需在一个接近真实情景中控制飞机沿隧道中心飞行，即可完成对航迹的控制，从而大大减轻了驾驶员的负担。预测飞行路径显示有多种算法，文献［2］中给出了“圆形预测算法”和“全围预测算法”，文献［3］应用这些算法设计了横侧向预测显示器，文献［4］基于人工控制理论从驾驶员角度进行了分析，文献［5］对纵向和横侧向通道预测显示器进行了初步的设计。但
电光与控制 2010年8期2010-07-04