文档价格: | 100 金币 立即充值 | 文章语言: | 英语-中文 | 原文出处: | 请在文档内查看 | |||||
译文字数: | 3464 字 (节选翻译) | 译文格式: | Doc.docx (Word) | 更新时间: | 2017-11-28 |
利用非线性理论实现无线通信中混沌系统的预测和节能,自动化外文翻译,混沌时间序列预测,回响状态网络
译文(字数:3464):
利用非线性理论实现无线通信中混沌系统的预测和节能
我们提出了一个学习非线性系统的方法,即回响状态网络(ESNs)。ESNs是一种的人工递归神经网络,最近被作为一个生物大脑的学习机制独立的提出。这
种学习方法计算效率高,使用方便。在混沌时间序列预测的基准任务中,精度比以前的技术提高了2400。信号误码率提高两个数量级的均衡通信信道说明了
ESNs在工程方面应用的潜力。
非线性动力系统在科学与工程学中比比皆是。如果任何人想要模拟、预测、筛选、分类或者控制如此一个非线性动力系统,他都需要一个可执行的系统模型。然而,
分析模型很难获得。在这种情况下,我们就需要凭借黑箱模型,从而忽略模型的内部物理机制,只是重现表面观察到的输入输出目标系统的行为。
如果目标系统是线性的,黑箱建模的有效方法是可用的。然而,大多数技术系统,如果运行在更高的经营点(即接近饱和)
原文(单词数:2444):
We present a method for learning nonlinear systems, echo state networks
(ESNs). ESNs employ artificial recurrent neural networks in a way that
has recently been proposed independently as a learning mechanism in
biological brains. The learning method is computationally efficient and
easy to use. On a benchmark task of predicting a chaotic