基于误差分布补偿的混杂模糊神经网络时间序列预测模型

TP391.9; 针对时间序列预测问题,提出了一种基于误差分布分析的混杂模糊神经网络预测模型.首先,提出了一种混杂模糊神经网络结构,将原单一输出层替换为由一个全连接层和非线性激活函数混合的组合网络,用于学习组合隶属度层的输出.然后,提出了基于误差分布的损失函数,使得更新参数的过程中既考虑了误差的大小又考虑了期望的误差分布.根据新的模型结构和新的损失函数,在梯度下降过程中,预测误差小出现概率较高或误差大出现率低的两类样本将获得较小的梯度更新增益,其他样本将在训练过程中获得较大更新增益,本文提出的方法可以获得更均匀和稳定的预测输出.最后通过两个仿真实验验证了本文提出的方法的有效性和准确性....

Full description

Saved in:
Bibliographic Details
Published in华东理工大学学报（自然科学版） Vol. 49; no. 4; pp. 589 - 597
Main Authors 安杰, 王梦灵
Format Journal Article
LanguageChinese
Published 华东理工大学信息科学与工程学院, 上海200237 01.08.2023
Subjects
损失函数
时间序列
loss function
time-series
hybrid network structure
混合网络结构
fuzzy neural networks
误差分布分析
error distribution analysis
模糊神经网络
Online AccessGet full text

Cover

More Information
Summary:TP391.9; 针对时间序列预测问题,提出了一种基于误差分布分析的混杂模糊神经网络预测模型.首先,提出了一种混杂模糊神经网络结构,将原单一输出层替换为由一个全连接层和非线性激活函数混合的组合网络,用于学习组合隶属度层的输出.然后,提出了基于误差分布的损失函数,使得更新参数的过程中既考虑了误差的大小又考虑了期望的误差分布.根据新的模型结构和新的损失函数,在梯度下降过程中,预测误差小出现概率较高或误差大出现率低的两类样本将获得较小的梯度更新增益,其他样本将在训练过程中获得较大更新增益,本文提出的方法可以获得更均匀和稳定的预测输出.最后通过两个仿真实验验证了本文提出的方法的有效性和准确性.
ISSN:1006-3080
DOI:10.14135/j.cnki.1006-3080.20220212001