JOURNAL OF LIGHT INDUSTRY

CN 41-1437/TS  ISSN 2096-1553

采用动态阈值和随机梯度的带噪声混沌系统的识别方法

马照瑞 ,  栗娜 ,  甘琤 ,  李霞 ,  朱训林

downloadPDF
马照瑞, 栗娜, 甘琤, 等. 采用动态阈值和随机梯度的带噪声混沌系统的识别方法[J]. 轻工学报, 2014, 29(6): 92-94,102. doi: 10.3969/j.issn.2095-476X.2014.06.020
引用本文: 马照瑞, 栗娜, 甘琤, 等. 采用动态阈值和随机梯度的带噪声混沌系统的识别方法[J]. 轻工学报, 2014, 29(6): 92-94,102. doi: 10.3969/j.issn.2095-476X.2014.06.020
shu
MA Zhao-rui, LI Na, GAN Cheng, et al. Identification of chaotic system with noise via dynamic threshold and stochastic gradient[J]. Journal of Light Industry, 2014, 29(6): 92-94,102. doi: 10.3969/j.issn.2095-476X.2014.06.020
Citation: MA Zhao-rui, LI Na, GAN Cheng, et al. Identification of chaotic system with noise via dynamic threshold and stochastic gradient[J]. Journal of Light Industry, 2014, 29(6): 92-94,102. doi: 10.3969/j.issn.2095-476X.2014.06.020
shu

采用动态阈值和随机梯度的带噪声混沌系统的识别方法

  • 郑州轻工业学院 计算机与通信工程学院, 河南 郑州 450001;

  • 西亚斯国际学院 电子信息工程学院, 河南 新郑 451150;

  • 郑州大学 数学与统计学院, 河南 郑州 450001

  • 基金项目: 河南省教育厅科技攻关项目(14A520017,14A520059)
    国家自然科学基金项目(61174085,61374063)

  • 中图分类号: TP391.4

Identification of chaotic system with noise via dynamic threshold and stochastic gradient

  • College of Computer and Communication Engineering, Zhengzhou University of Light Industry, Zhengzhou 450001, China;

  • School of Electronic Information Engineering, Sias International University, Xinzheng 451150, China;

  • School of Mathematics and Statistics, Zhengzhou University, Zhengzhou 450001, China

  • Received Date: 2014-09-04
    Available Online: 2014-11-15

    CLC number: TP391.4

  • 摘要: 为了提高对带噪声混沌系统识别的准确性,结合小波神经网络,提出了基于动态阈值和随机梯度的识别方法.该方法将动态变化的阈值作用于小波系数,并与神经网络训练过程紧密结合,依据误差函数,采用随机梯度下降方法反向动态修改阈值,使系统误差更接近于理想输出.实验结果表明,该方法能合理去除混沌信号中的噪声,识别结果更为准确.
    Abstract: In order to improve identification exactness of chaotic system with noise,a new identification method based on wavelet neural network was presented,which was integrated with dynamic threshold and stochastic gradient.The method made dynamic threshold to affect wavelet coefficients,the train process was closely integrated with neural network and the threshold was dynamically and inversely modified based on error function and stochastic gradient,so the error was increasingly shrinking and approaching to the ideal output.The result showed that the method could reduce the noise of chaotic system and finally acquire better exactness.
    1. [1]

      陈付华.小波在图像分析中的若干关键技术研究[D].南京:南京理工大学,2002:1-6.

    2. [2]

      李逊,谢红胜.基于遗传算法的小波神经网络[J].计算机与数字工程,2007,35(8):5.

    3. [3]

      张加云,张德江,李新胜.遗传小波神经网络在钢铁企业能耗预测中的应用[J].冶金自动化,2009,33(S1):849.

    4. [4]

      赵金宪,金鸿章.基于小波包和神经网络的瓦斯传感器故障诊断[J].传感器与微系统,2010,29(5):80.

    5. [5]

      赵劲松,李元,邱彤.一种基于小波变换与神经网络的传感器故障诊断方法[J].清华大学学报:自然科学版,2013,53(2):205.

    6. [6]

      Krishna B,Rao Y R,Nayak P C.Time series modeling of river flow using wavelet neural networks[J].Journal of Water Resource and Protection,2012,3(1):50.

    7. [7]

      董长虹.Matlab小波分析工具箱原理与应用[M].北京:国防工业出版社,2004:108-118.

    8. [8]

      Minu K K,Lineesh M C,Jessy J C.Wavelet neural networks for nonlinear time series analysis[J].Applied Mathematical Sciences,2011,4(2):2485.

    1. [1]

      卢晓波 , 徐海 , 朱俊召 , 张宇 , 谭健 , 高冠男 , 胡军华 , 林龙 . 基于机器视觉的加热卷烟烟支端部质量检测系统设计. 轻工学报, 2024, 0(0): -.

    2. [2]

      费致根 , 鲁豪 , 宋晓晓 , 赵鑫昌 , 郭兴 , 肖艳秋 . 基于改进ResNet网络的烟丝输送带洁净度分类模型. 轻工学报, 2024, 39(5): 71-77. doi: 10.12187/2024.05.008

  • 加载中
WeChat 点击查看大图
计量
  • PDF下载量:  22
  • 文章访问数:  855
  • 引证文献数: 0
文章相关
  • 收稿日期:  2014-09-04
  • 刊出日期:  2014-11-15
通讯作者: 陈斌, bchen63@163.com
  • 1. 

    沈阳化工大学材料科学与工程学院 沈阳 110142

  1. 本站搜索
  2. 百度学术搜索
  3. 万方数据库搜索
  4. CNKI搜索
马照瑞, 栗娜, 甘琤, 等. 采用动态阈值和随机梯度的带噪声混沌系统的识别方法[J]. 轻工学报, 2014, 29(6): 92-94,102. doi: 10.3969/j.issn.2095-476X.2014.06.020
引用本文: 马照瑞, 栗娜, 甘琤, 等. 采用动态阈值和随机梯度的带噪声混沌系统的识别方法[J]. 轻工学报, 2014, 29(6): 92-94,102. doi: 10.3969/j.issn.2095-476X.2014.06.020
shu
MA Zhao-rui, LI Na, GAN Cheng, et al. Identification of chaotic system with noise via dynamic threshold and stochastic gradient[J]. Journal of Light Industry, 2014, 29(6): 92-94,102. doi: 10.3969/j.issn.2095-476X.2014.06.020
Citation: MA Zhao-rui, LI Na, GAN Cheng, et al. Identification of chaotic system with noise via dynamic threshold and stochastic gradient[J]. Journal of Light Industry, 2014, 29(6): 92-94,102. doi: 10.3969/j.issn.2095-476X.2014.06.020
shu

采用动态阈值和随机梯度的带噪声混沌系统的识别方法

  • 郑州轻工业学院 计算机与通信工程学院, 河南 郑州 450001;
  • 西亚斯国际学院 电子信息工程学院, 河南 新郑 451150;
  • 郑州大学 数学与统计学院, 河南 郑州 450001
  • 收稿日期: 2014-09-04
  • 网络出版日期: 2014-11-15
基金项目:  河南省教育厅科技攻关项目(14A520017,14A520059)国家自然科学基金项目(61174085,61374063)

摘要: 为了提高对带噪声混沌系统识别的准确性,结合小波神经网络,提出了基于动态阈值和随机梯度的识别方法.该方法将动态变化的阈值作用于小波系数,并与神经网络训练过程紧密结合,依据误差函数,采用随机梯度下降方法反向动态修改阈值,使系统误差更接近于理想输出.实验结果表明,该方法能合理去除混沌信号中的噪声,识别结果更为准确.

English Abstract

参考文献 (8) 相关文章 (2)

目录

/

返回文章

网站版权 © 轻工学报编辑部

地址：河南省郑州市科学大道136号邮编：450001

本系统由北京仁和汇智信息技术有限公司开发 技术支持： info@rhhz.net