[发明专利]基于直觉循环模糊神经网络的时间序列预测方法及装置在审
| 申请号： | 201811331427.4 | 申请日： | 2018-11-09 |
| 公开（公告）号： | CN109697504A | 公开（公告）日： | 2019-04-30 |
| 发明（设计）人： | 骆超;张楠楠 | 申请（专利权）人： | 山东师范大学 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06N5/04 |
| 代理公司： | 济南圣达知识产权代理有限公司 37221 | 代理人： | 杨哲 |
| 地址： | 250014 山*** | 国省代码： | 山东;37 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于直觉循环模糊神经网络的时间序列预测方法及装置，该预测方法接收时间序列数据样本，并划分为若干组子样本；将若干组子样本依次输入区间二型直觉模糊推理系统模糊化处理进行学习预测；在一组样本输入系统网络后根据产生的预测误差和球形势采用元认知学习算法对系统网络进行更新；所述区间二型直觉模糊推理系统包括输入层、模糊化层、空间发射层、时间触发层和输出层；所述模糊化层使用TSK型模糊规则，求取输入数据的隶属度和非隶属度，所述空间发射层对隶属度和非隶属度进行降维处理，所述时间触发层使用LSTM递归为数据建立时间上的联系，所述输出层采用基于中心的去模糊化处理输出数据。 | ||
| 搜索关键词： | 隶属度 模糊神经网络 模糊推理系统 时间序列预测 时间触发 系统网络 模糊化 输出层 子样本 去模糊化处理 时间序列数据 模糊化处理 降维处理 空间发射 模糊规则 输出数据 数据建立 所述空间 学习算法 样本输入 预测误差 发射层 输入层 预测 递归 样本 认知 更新 学习 | ||
【主权项】：
1.一种基于直觉循环模糊神经网络的时间序列预测方法，其特征在于，该方法包括：接收时间序列数据样本，并划分为若干组子样本；将若干组子样本依次输入区间二型直觉模糊推理系统模糊化处理进行学习预测，得到预测结果；在一组样本输入系统网络后根据产生的预测误差和球形势采用元认知学习算法对系统网络进行更新；所述区间二型直觉模糊推理系统包括输入层、模糊化层、空间发射层、时间触发层和输出层；所述模糊化层使用TSK型模糊规则，求取输入数据的隶属度和非隶属度，所述空间发射层对隶属度和非隶属度进行降维处理，所述时间触发层使用LSTM递归为数据建立时间上的联系，所述输出层采用基于中心的去模糊化处理输出数据。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于山东师范大学，未经山东师范大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811331427.4/，转载请声明来源钻瓜专利网。
