一类非线性动态系统的短期依赖关系-建模动态系统wi

一类非线性动力系统的短期相依性-用非递归神经网络建模动力系统 循环神经网络（RNN）是动态系统中顺序数据的流行建模选择。 但是，经验经验表明，RNN通常难以调整和定制。 它驱使从业人员用非递归神经网络代替RNN，在某些情况下，RNN具有可比的性能。 在本文中，我们使用非递归神经网络-前馈神经网络（FFNN）对一类动态系统进行建模。 使用FFNN建模顺序数据的成功表明了顺序数据之间的短期依赖性。 我们基于可观测性准则，系统地分析了一类具有部分系统知识的非线性动力系统的短期依赖关系。 然后，我们通过一个案例研究表明，超高磁响应（UHMR）系统中的顺序数据仅具有两步依赖性。 该结果表明，从UHMR系统实验的每三个步骤中，我们可以得到一个数据来训练FFNN。 因此，可以在少量实验中收集到足够的数据。 在分析的基础上，我们训练FFNN根据四个实验的顺序数据对UHMR系统进行建模，通过适当的数据预处理