基于Elman网络与GPU加速的时间序列预测
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-16页 |
| ·研究背景 | 第8-9页 |
| ·扩展Kalman滤波 | 第9-11页 |
| ·基于GPU的通用计算 | 第11-14页 |
| ·本文主要工作 | 第14-16页 |
| 2 基于EKF的Elman网络建模 | 第16-27页 |
| ·Elman网络 | 第16-17页 |
| ·RNN梯度学习算法 | 第17-21页 |
| ·BPTT算法 | 第17-19页 |
| ·RTRL算法 | 第19-21页 |
| ·基于EKF的Elman网络 | 第21-26页 |
| ·基于EKF的算法 | 第21-23页 |
| ·雅克比矩阵计算 | 第23-25页 |
| ·网络建模步骤 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 3 基于GPU加速的Elman网络建模 | 第27-36页 |
| ·统一计算设备架构CUDA | 第27-31页 |
| ·编程模型 | 第27-30页 |
| ·存储器模型 | 第30-31页 |
| ·网络并行建模 | 第31-35页 |
| ·优化策略 | 第31-32页 |
| ·基于GPU的并行实现 | 第32-35页 |
| ·本章小结 | 第35-36页 |
| 4 仿真实验与应用 | 第36-49页 |
| ·参数设置 | 第36-39页 |
| ·含高斯白噪声的混沌时间序列预测 | 第39-41页 |
| ·应用实例 | 第41-48页 |
| ·问题描述 | 第41-42页 |
| ·高炉煤气系统 | 第42-46页 |
| ·焦炉煤气系统 | 第46-48页 |
| ·本章小结 | 第48-49页 |
| 结论 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 攻读硕士学位期间发表学术论文情况 | 第54-55页 |
| 致谢 | 第55-56页 |