-
公开(公告)号：CN110009528B
公开(公告)日：2021-06-01
申请号：CN201910294727.8
申请日：2019-04-12
Applicant: 杭州电子科技大学 , 国网湖北省电力有限公司
Abstract: 本发明涉及一种基于最优结构多维泰勒网的参数自适应更新方法，本发明大体包括三部分内容。第一部分针对具备噪声干扰的非线性时变系统进行系统建模；第二部分，用卡尔曼滤波的参数更新算法对多维泰勒网的连接权值进行参数更新；第三部分，结合剪枝算法来优化网络结构，建立一种具备最优结构和最佳泛化能力的多维泰勒网络。在负荷电荷的预测中，基于多维泰勒网的卡尔曼滤波参数更新算法相比于带有遗忘因子的递归最小二乘算法，在每一步的更新估计中增加了噪声，卡尔曼滤波算法使用新的量测值和估计值进行融合可以更好的估计参数精度。
-
公开(公告)号：CN110009528A
公开(公告)日：2019-07-12
申请号：CN201910294727.8
申请日：2019-04-12
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种基于最优结构多维泰勒网的参数自适应更新方法，本发明大体包括三部分内容。第一部分针对具备噪声干扰的非线性时变系统进行系统建模；第二部分，用卡尔曼滤波的参数更新算法对多维泰勒网的连接权值进行参数更新；第三部分，结合剪枝算法来优化网络结构，建立一种具备最优结构和最佳泛化能力的多维泰勒网络。在负荷电荷的预测中，基于多维泰勒网的卡尔曼滤波参数更新算法相比于带有遗忘因子的递归最小二乘算法，在每一步的更新估计中增加了噪声，卡尔曼滤波算法使用新的量测值和估计值进行融合可以更好的估计参数精度。
-
公开(公告)号：CN110084324B
公开(公告)日：2021-05-04
申请号：CN201910389452.6
申请日：2019-05-10
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于极限学习机的卡尔曼滤波参数自适应更新方法。本发明大体包括三部分内容：第一部分根据递归最小二乘的极限学习机的学习部分；第二部分对卡尔曼滤波算法迭代更新的算法分析；第三部分根据卡尔曼滤波的极限学习的学习部分。上述方法通过在线更新隐含层到输出层的连接权值，使得汽轮机在极限学习的分类精度得到提高。
-
公开(公告)号：CN110084324A
公开(公告)日：2019-08-02
申请号：CN201910389452.6
申请日：2019-05-10
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于极限学习机的卡尔曼滤波参数自适应更新方法。本发明大体包括三部分内容：第一部分根据递归最小二乘的极限学习机的学习部分；第二部分对卡尔曼滤波算法迭代更新的算法分析；第三部分根据卡尔曼滤波的极限学习的学习部分。上述方法通过在线更新隐含层到输出层的连接权值，使得汽轮机在极限学习的分类精度得到提高。
-
-
-
Search Results
4
records
(took 0.022 seconds)
