洛伦兹系统

使用四阶龙格库塔成生成实验数据，参考博文：混沌系统数值模拟

dt=0.02d t = 0.02dt=0.02，包含 10000 个点.

红线和绿线是初始条件相差非常小的两条轨线，随时间发展分道扬镳，上图展示了混沌系统的初值敏感性。

RVFLNN

随机向量函数连接网络 random vector functional-link neural network

模型的表达式

Y=W⋅[x∣∣ζ(xWh+βh)]Y = W\cdot [x|| \zeta(xW_h+\beta_h)]Y=W⋅[x∣∣ζ(xWh+βh)]

python 实现

class RVFLNN:def __init__(self):self.N_i = None  # 输入节点数self.N_o = None  # 输出节点数self.N_h = 200  # 隐层节点数self.sigma = 1self.beta = 1e-6def train(self, X, Y):self.N_i = X.shape[0]self.N_o = Y.shape[0]self.W_i = np.random.uniform(-self.sigma,self.sigma, (self.N_h, self.N_i+1))Z = np.tanh(self.W_i.dot(np.vstack([X,np.ones([1,X.shape[1]])])))  H = np.vstack([Z,X])self.W_o = Y.dot(H.T.dot(np.linalg.inv(H.dot(H.T)+self.beta*np.eye(self.N_h+self.N_i))))def predict(self, X):Z = np.tanh(self.W_i.dot(np.vstack([X,np.ones([1,X.shape[1]])])))H = np.vstack([Z,X])return self.W_o.dot(H)

训练

np.random.seed(42)model = RVFLNN()n = 2  # 使用 n 个历史点作为输入num_train = 8000
x_train = np.vstack([select_samples(x,0+i,num_train) for i in range(n)])
y_train = select_samples(x,n,num_train)model.train(x_train, y_train)

测试

num_test = 2000
test_start = 8000
P = np.empty((3,num_test))
Q = select_samples(x,test_start, num_test)
p = np.vstack([select_samples(x,test_start-n+i,1) for i in range(n)])for i in range(num_test):p_next = model.predict(p)P[:,i] = np.squeeze(p_next)p = np.vstack([p,p_next])[3:]fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
ax = fig.add_subplot()
plt.plot(*P, 'r')
plt.plot(*Q, 'g')

plt.figure()
dim = ['x','y','z']
for i in range(3):plt.subplot(3,1,i+1)plt.plot(P[i,:].T, label='prediction')plt.plot(Q[i,:].T, label='true')plt.ylabel(dim[i])plt.legend(loc='upper right')

实验证明，RVFLNN 可以重建洛伦兹吸引子。

随机向量函数链神经网络（RVFLNN）相关推荐

随机森林和神经网络有什么区别？
随机森林和神经网络这两种广泛使用的机器学习算法有什么区别呢?我们什么时候应该使用神经网络,什么时候又应该使用随机森林?随机森林与神经网络哪个更好?这是一个常见问题,答案其实也非常简单:视情况而定.(调 ...
Matlab实现随机森林、神经网络、Lasso回归
实现之前所说的上传Matlab实现随机森林.神经网络.Lasso回归的承诺. Lasso lasso具有降维的功能,但区别于PCA,lasso直接减少特征数,做的是特征选择,PCA是通过空间转换将特征 ...
MIT与FAIR提出「mixup」，利用数据和标签的随机线性插值提高神经网络的健壮性
来源: 雷克世界摘要:麻省理工学院(MIT)与Facebook人工智能研究院(FAIR)提出了一种能够构建虚拟训练样本的方法--mixup,提高了神经网络的健壮性. 近日,麻省理工学院(MIT)与F ...
sklearn线性回归,支持向量机SVR回归,随机森林回归,神经网络回归参数解释及示例
1.sklearn线性回归线性回归,其中目标值 y 是输入变量 x 的线性组合. 在数学概念中,如果是预测值. 在整个模块中,我们定义向量作为 coef_ ,定义作为 intercept ...
随机线性插值提高神经网络的健壮性
https://blog.csdn.net/cf2suds8x8f0v/article/details/78431112
人工智能热门技术研究课题
人工智能热门技术研究课题当前人工智能在诸多行业领域已经实现了广泛应用,但在热门技术方面来看,安全性等方面依然存在一定缺陷. 用简单的"对抗性补丁"(adversarial pat ...
随机地址生成器_随机连接神经网络性能超过人工设计！何恺明等人发布新研究...
选自arxiv 作者:Saining Xie.Alexander Kirillov.Ross Girshick.Kaiming He 机器之心编译随机连接的神经网络性能居然比人工设计的网络(ResN ...
干货！鲁棒彩票现象：藏在随机初始化神经网络中的鲁棒子网络
点击蓝字关注我们 AI TIME欢迎每一位AI爱好者的加入! 深度神经网络已被发现容易受到对抗性样本的影响,即一个人眼不可见的扰动会让神经网络做出错误的预测,对抗训练也因此被提出,通过在原始训练图片 ...
避免神经网络过拟合的5种技术（附链接） | CSDN博文精选
作者 | Abhinav Sagar 翻译 | 陈超校对 | 王琦来源 | 数据派THU(ID:DatapiTHU) (*点击阅读原文,查看作者更多精彩文章) 本文介绍了5种在训练神经网络中避免过 ...
Python实现神经网络（零基础篇）
前言本文旨在对于机器语言完全零基础但较有兴趣或对神经网络较浅了解的朋友,通过阐述对神经网络的基础讲解以及Python的基本操作,来利用Python实现简单的神经网络:并以此为基础,在未来方向的几篇文 ...

随机向量函数链神经网络（RVFLNN）

洛伦兹系统

RVFLNN

模型的表达式

python 实现

训练

测试

随机向量函数链神经网络（RVFLNN）相关推荐

最新文章

热门文章