一种基于双隐层量子线路循环单元神经网络的趋势预测方法
授权
摘要
本发明涉及一种基于双隐层量子线路循环单元神经网络的趋势预测方法，包括以下步骤：构建原始运行数据的排列熵集；排列熵集输入DHL‑QCRUNN训练和预测，得到预测的排列熵集；构建各时间点预测值与实际值的排列熵误差集；将排列熵误差集输入DHL‑QCRUNN训练和预测，得到预测的归一化的排列熵误差集；反归一化处理，得到最终预测结果。本发明提出了一种新型量子神经网络——双隐层量子线路循环单元神经网络，本发明通过LM算法来更新DHL‑QCRUNN的网络参数以提高该神经网络的收敛性能，与其它人工智能方法相比，DHL‑QCRUNN具有更好的非线性逼近能力、泛化特性和更快的收敛速度，本发明用于对监控的对象的运行趋势预测，达到了较高的预测精度、预测稳定性和计算效率。
基本信息
专利标题 ：
一种基于双隐层量子线路循环单元神经网络的趋势预测方法
专利标题（英）：
暂无
公开（公告）号 ：
CN110361966A
申请号 ：
CN201811507945.7
公开（公告）日 ：
2019-10-22
申请日 ：
2018-12-11
授权号 ：
CN110361966B
授权日 ：
2022-05-27
发明人 ：
李锋向往邓成军
申请人 ：
四川大学
申请人地址 ：
四川省成都市一环路南一段24号
代理机构 ：
昆明合众智信知识产权事务所
代理人 ：
刘静怡
优先权 ：
CN201811507945.7
主分类号 ：
G05B13/04
IPC分类号 ：
G05B13/04
IPC结构图谱
G
G部——物理
G05
控制；调节
G05B
一般的控制或调节系统；这种系统的功能单元；用于这种系统或单元的监视或测试装置
G05B13/00
自适应控制系统，即系统按照一些预定的准则自动调整自己使之具有最佳性能的系统
G05B13/02
电的
G05B13/04
包括使用模型或模拟器的
法律状态
2022-05-27 ：
授权
2020-04-03 ：
实质审查的生效
IPC(主分类) : G05B 13/04
申请日 : 20181211
申请日 : 20181211
2019-10-22 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
