基于組合模型的網(wǎng)絡(luò)流量預(yù)測(編輯修改稿)
2024-08-14 20:06 本頁面
【文章內(nèi)容簡介】 y2ymy第一步：確定隱含層神經(jīng)元個(gè)數(shù)，隨機(jī)設(shè)定輸入層與隱含層間的連接權(quán)值 w和隱含層神經(jīng)元的閾值 b； 第二步：選擇一個(gè)可以無限可微的函數(shù)作為隱含層神經(jīng)元的激活函數(shù)，進(jìn)而計(jì)算隱含層輸出矩陣 H； 第三步：計(jì)算輸出層權(quán)值 是一種特殊類型的單隱層前饋神經(jīng)網(wǎng)絡(luò)，僅有一個(gè)隱結(jié)點(diǎn) 層 。 極限學(xué)習(xí)機(jī)的 結(jié)構(gòu) 原理 圖 RESEARCH METHODS ?HTb =?HTb=2 研究方法 蘭州大學(xué) 小波分解 一種基亍信號(hào)的時(shí)間、尺度的分析方法 它 具有在時(shí)間和頻率兩個(gè) 域中 提取 信號(hào) 局部特征的能力，非常適合對(duì)非平穩(wěn)的序列進(jìn)行特征提取和 分析 ,1C ( , ) ( ) ( ) ( ) , ( )x a btbW T a b x t d t x t taayy+??==242。,D ( , ) ( ) ( )x j kW T j k x t t d ty+??= 242。連續(xù)小波變換 離散小波變換 RESEARCH METHODS 2 研究方法 蘭州大學(xué) 小波分解 Mallet算法 ()ft 1()dt2()dt3()dt4()dt1 ()ct2()ct3()ct4()ctMallat 分解算法示意圖 RESEARCH METHODS 3 模型設(shè)計(jì) MODEL DESIGN 蘭州大學(xué) 小波分解及參數(shù) 選擇 Daubechies(dbN)小 波 Symlet(symN)小 波 Coiflet(coifN)小
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1