生活中充斥著大量與時(shí)間、空間位置相關(guān)的事件,它們可以歸結(jié)為同一類(lèi)問(wèn)題,即時(shí)間序列。這一類(lèi)問(wèn)題深刻影響著社會(huì)的進(jìn)步、人類(lèi)的健康、自然環(huán)境的變化,提前預(yù)知將來(lái)時(shí)刻或未知位置的狀態(tài),即預(yù)測(cè),可以讓我們避免不必要損失,提高我們的生活水平等。目前,對(duì)時(shí)間序列的預(yù)測(cè)主要可以分為回歸和分類(lèi)兩大問(wèn)題。對(duì)于輸出可能的結(jié)果有無(wú)數(shù)多個(gè)時(shí),我們稱(chēng)為回歸問(wèn)題。對(duì)于輸出可能的結(jié)果有限個(gè)時(shí),我們成為分類(lèi)問(wèn)題�，F(xiàn)實(shí)生活中,回歸問(wèn)題的數(shù)目異常龐大,研究這類(lèi)問(wèn)題意義非凡�；貧w問(wèn)題主要可以分為兩類(lèi),即線(xiàn)性的和非線(xiàn)性的。線(xiàn)性的問(wèn)題可以考慮線(xiàn)性回歸（LR）,考慮輸出與時(shí)間或空間位置的關(guān)系。有時(shí)簡(jiǎn)單的線(xiàn)性回歸處理不了線(xiàn)性時(shí)間序列,在平穩(wěn)序列中,這時(shí)可以考慮自回歸（AR）,用過(guò)去的輸出作為輸入來(lái)預(yù)測(cè)當(dāng)前的輸出,也可以考慮過(guò)去的噪音生成當(dāng)前輸出（MA）,也可以是兩者的組合（ARMA）以及它們的變種。對(duì)非線(xiàn)性的時(shí)間序列,處理方法主要分為兩類(lèi),即核方法（kernel method）和多層感知機(jī)。核方法將輸入空間映射到特征空間,使之線(xiàn)性可分,如核SVM,高斯過(guò)程回歸（GPR）等。多層感知機(jī)隨著計(jì)算能力的提升,逐漸發(fā)展為深度學(xué)習(xí)（DL）,廣... 

【文章來(lái)源】：大連理工大學(xué)遼寧省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：41 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
引言
    1.1 研究背景和課題意義
    1.2 本文的主要內(nèi)容和章節(jié)安排
1 高斯過(guò)程簡(jiǎn)介
    1.1 高斯過(guò)程
2 高斯過(guò)程回歸
    2.1 無(wú)噪音的高斯過(guò)程回歸預(yù)測(cè)
    2.2 含噪音的高斯過(guò)程回歸預(yù)測(cè)
    2.3 高斯過(guò)程回歸的前向推斷算法
    2.4 高斯過(guò)程回歸的模型選擇
        2.4.1 常見(jiàn)的損失函數(shù)和梯度下降算法
        2.4.2 高斯過(guò)程回歸的梯度下降
3 時(shí)間序列的研究與應(yīng)用
    3.1 時(shí)間序列
    3.2 時(shí)間序列的傳統(tǒng)方法
        3.2.1 非平穩(wěn)時(shí)間序列平穩(wěn)化方法
        3.2.2 自回歸模型
        3.2.3 滑動(dòng)平均模型
        3.2.4 自回歸滑動(dòng)平均模型
    3.3 時(shí)間序列的深度學(xué)習(xí)方法
4 基于高斯過(guò)程回歸的時(shí)間序列的研究與應(yīng)用
    4.1 基于時(shí)間的高斯過(guò)程回歸一元時(shí)間序列理論分析
    4.2 基于時(shí)間的高斯過(guò)程回歸一元時(shí)間序列實(shí)驗(yàn)驗(yàn)證
    4.3 基于自回歸的高斯過(guò)程回歸一元時(shí)間序列理論分析
    4.4 基于自回歸的高斯過(guò)程回歸一元時(shí)間序列實(shí)驗(yàn)驗(yàn)證
    4.5 基于自回歸的高斯過(guò)程回歸模型和神經(jīng)網(wǎng)絡(luò)的比較
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表學(xué)術(shù)論文情況
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于高斯過(guò)程的機(jī)器人模仿學(xué)習(xí)研究與實(shí)現(xiàn)[J]. 于建均,韓春曉,阮曉鋼,劉濤.  北京工業(yè)大學(xué)學(xué)報(bào). 2015(07)
[2]基于高斯過(guò)程回歸的網(wǎng)絡(luò)流量預(yù)測(cè)模型[J]. 李振剛.  計(jì)算機(jī)應(yīng)用. 2014(05)
[3]高斯過(guò)程回歸方法綜述[J]. 何志昆,劉光斌,趙曦晶,王明昊.  控制與決策. 2013(08)
[4]基于高斯過(guò)程回歸的短期風(fēng)速預(yù)測(cè)[J]. 孫斌,姚海濤,劉婷.  中國(guó)電機(jī)工程學(xué)報(bào). 2012(29)
[5]隧道圍巖變形預(yù)測(cè)的進(jìn)化高斯過(guò)程回歸模型[J]. 劉開(kāi)云,方昱,劉保國(guó),徐沖.  鐵道學(xué)報(bào). 2011(12)
[6]空間自回歸模型及其估計(jì)[J]. 李序穎,顧嵐.  統(tǒng)計(jì)研究. 2004(06)
[7]應(yīng)用時(shí)間序列模型預(yù)測(cè)瘧區(qū)瘧疾發(fā)病率[J]. 溫亮,徐德忠,林明和,夏結(jié)來(lái),張治英,蘇永強(qiáng).  第四軍醫(yī)大學(xué)學(xué)報(bào). 2004(06)
[8]時(shí)間序列分析在隧道施工監(jiān)測(cè)中的應(yīng)用[J]. 朱永全,景詩(shī)庭,張清.  巖石力學(xué)與工程學(xué)報(bào). 1996(04)



本文編號(hào)：3482570