非线性处理:混沌系统的预测和无线通信节能
来源:56doc.com 资料编号:5D23481 资料等级:★★★★★ %E8%B5%84%E6%96%99%E7%BC%96%E5%8F%B7%EF%BC%9A5D23481
资料以网页介绍的为准,下载后不会有水印.资料仅供学习参考之用. 密 保 惠 帮助
资料介绍
非线性处理:混沌系统的预测和无线通信节能(中文5000字,英文PDF)
摘要:本文提出了对非线性系统的一种学习方法——回声状态神经网络(ESNs)。ESNs是一种新型的递归神经网络,它最近被提出的在生物大脑方面独立作为一个学习方法。这种学习方法计算效率高,易于使用。在预测混沌时间序列的基准任务方面,比以前的技术在精度方面提高了2400倍。它的工程应用潜力是通过通信信道均衡来说明,其中信号误码率提高了两个数量级。
在科学和工程领域中大量的存在非线性动力系统。如果想要来模拟、预测、分类或控制这样一个系统,则需要一个可执行的系统模型。但是,得到分析模型往往是不可行的。在这种情况下,就不得不采用黑箱模型,从而忽视了内部的物理机制,而只是重现了表面上可观察的目标的输入输出行为。
如果目标系统是线性的,高效的黑箱建模方法是可行的。然而大多数技术系统如果操作在更高的操作点(即接近饱和)会变成非线性的。尽管这种设计会更便宜和更节能,但它仍然没有被使用,因为非线性的结果不能被利用。许多生物力学系统使用全动态范围(达到饱和),从而成为轻量化和节能,却彻底的非线性失真了。
|