基于脑情绪学习的预测模型（用于长期混沌预测应用）
信号处理
2020-05-27 v1 人工智能
摘要
本研究提出了一种受哺乳动物脑情绪学习启发的混沌时间序列新预测模型。我们描述了该模型的结构与功能，其被称为BELPM（基于脑情绪学习的预测模型）。在结构上，该模型模拟边缘系统各区域之间的连接；在功能上，它使用加权k近邻来模仿这些区域的作用。BELPM的学习算法使用最速下降（SD）和最小二乘估计（LSE）来定义。两个基准混沌时间序列，Lorenz和Henon，已被用于评估BELPM的性能。所获得的结果已与其他预测方法的结果进行了比较。结果表明，BELPM能够利用有限的训练数据和相当低的计算时间，对混沌时间序列的长期预测取得合理的精度。
引用
@article{arxiv.1605.01681,
title = {Brain Emotional Learning-Based Prediction Model (For Long-Term Chaotic Prediction Applications)},
author = {Mahboobeh Parsapoor},
journal= {arXiv preprint arXiv:1605.01681},
year = {2020}
}
备注
14 pages, 11 figures