顾成奎
- 作品数：7 被引量：73H指数：4
- 供职机构：天津大学管理与经济学部系统工程研究所更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：自动化与计算机技术理学经济管理更多>>
- 基于前向神经网络的非线性时变系统辨识被引量：14
- 2001年
- 提出基于前向神经网络的非线性时变系统辨识方法 ,并用局部化推广卡尔曼滤波算法训练网络 .该算法与全局推广卡尔曼滤波算法相比 ,不需要矩阵求逆运算 ,具有更高的收敛速度和更小存储容量要求 .
- 顾成奎王正欧
- 关键词：非线性时变系统前向神经网络卡尔曼滤波
- 基于多分辨分析神经网络的函数逼近被引量：5
- 2001年
- 基于小波分析的基本理论 ,提出了迭代求解 Daubechies小波函数和尺度函数 ,并用多项式最小二乘曲线拟合离散数据点 ,得到小波函数和尺度函数的近似封闭解析式的方法 .最后基于 L2的多分辨逼近思想 ,构造了基于尺度函数的多分辨分析网络 ,用迭代的梯度下降算法训练网络 ,并用此网络对有局部奇异性的函数进行学习 ,获得了很好的逼近效果 .数值仿真结果表明 :本文提出的方法是可行的 ,它避免了无封闭解析式的小波和尺度函数在实际应用中需大量进行插值运算的繁琐和求导运算的不便 .
- 顾成奎王正欧
- 关键词：小波分析尺度函数神经网络
- 利用基序列逼近的一类非线性时变系统辨识的实用方法被引量：2
- 2001年
- 提出一种针对一类非线性时变系统 (时变的 Hammerstein级数 )辨识的实用方法。为减少时变系统建模所需参数个数 ,利用已知基序列的线性组合来逼近系统的时变动态特性 ,并采用递推最小二乘来估计模型的参数 ,克服了以往基序列逼近用于时变系统辨识方法中离线最小二乘计算效率不高的缺陷。仿真结果表明 ,本文提出的方法能经济有效地对一大类时变非线性系统进行较好的辨识。
- 顾成奎王正欧
- 关键词：系统辨识非线性时变系统
- 用于非线性时变系统噪声统计Q、R阵估计的新方法
- 2007年
- 提出了一种估计非线性时变系统过程噪声协方差阵Q和观测噪声协方差阵R的新方法.扩展卡尔曼算法结合前馈神经网络的非线性时变系统辨识过程中,噪声统计Q、R阵的估计是影响系统建模和预测精度的关键因素之一.本文所提出的估计噪声统计Q、R阵方法是基于协方差匹配技术,将M ehra估计定常系统噪声统计的方法推广到一般的非线性时变系统.仿真结果显示了本文方法的有效性.
- 顾成奎董晓莉王正欧
- 关键词：非线性时变系统
- 基于神经网络动态非线性非平稳经济系统预测被引量：14
- 2002年
- 考虑实际经济系统中广泛存在着非线性和时变性因素 ,以及大部分变量的序列具有时间增长特性 ,提出用神经网络方法 ,建立实际经济系统的时变非线性模型 .采用增广卡尔曼滤波算法训练神经网络 ,并根据先验信息 (序列的时间增长特性 )构造参数转移矩阵 .对实际经济系统的预测分析结果证明 ,与传统定常非线性预测模型相比 ,该方法不仅可以在线递推预测 ,而且由于参数转移矩阵的引入 。
- 顾成奎王正欧
- 关键词：神经网络经济系统经济预测
- 非平稳环境下提高神经网络辨识能力的新方法被引量：4
- 2003年
- 利用非平稳环境下系统时变参数变化规律的先验信息,构造参数转移矩阵来刻画系统的时变动态特征,并基于此推导了非平稳环境下神经网络训练的改进的卡尔曼滤波算法.仿真结果表明:该方法显著地提高了神经网络在非平稳环境下的辨识能力.
- 顾成奎王正欧
- 关键词：系统辨识神经网络非线性系统卡尔曼滤波算法时变参数
- 基于形态的时间序列相似性度量研究被引量：36
- 2007年
- 时间序列重新描述和相似性度量是时间序列数据挖掘的研究基础,对提高挖掘任务的效率和准确性至关重要。该文提出了一种新的基于形态的时间序列符号描述,并给出相应的距离公式,以度量时间序列的相似性。该方法直观简洁,对数据的平移、伸缩不敏感,能够反映序列趋势变化的程度、去除噪声的影响,满足时间多分辨率要求。仿真结果表明,该方法具有较好的聚类性能,可以在不同分辨率下有效度量时间序列的形态相似性。
- 董晓莉顾成奎王正欧
- 关键词：时间序列数据挖掘
