声明
第一章 绪 论
1.1 研究背景与意义
1.2 国内外研究历史与现状
1.3 本文主要工作内容
1.4 论文结构与内容安排
第二章 现有多维时间序列数据预测算法介绍
2.1 循环卷积网络 RNN
2.2 长短期记忆网络 LSTM
2.3 门循环单元 GRU
2.4 卷积神经网络 CNN
2.5 本章小结
第三章 改进的多维时间卷积网络算法设计
3.1时间卷积网络TCN
3.2算法改进思路
3.3 改进的多维 TCN算法
3.3.1 因果卷积与空洞卷积
3.3.2 多维卷积核
3.3.3 修正线性单元ReLU与参数化ReLU激活函数
3.3.4 残差连接ResNet与全连接层
3.3.5 损失函数
3.4 改进 TCN算法与原始 TCN算法验证与对比
3.4.1 输出精度评估方法
3.4.2 算法训练性能对比
3.4.2 原始TCN算法的验证
3.4.3 改进的TCN算法的验证
3.4.4 结果分析
3.5 本章小结
第四章 多维时序数据预测算法验证与分析
4.1 数据集的选取及其预处理
4.2 多维时序数据预测的验证
4.2.1 RNN算法的验证
4.2.2 LSTM算法的验证
4.2.3 GRU算法的验证
4.2.4 改进的多维TCN算法的验证
4.3 结果分析
4.4 本章小结
第五章 基于飞控时序数据预测的软件设计
5.1需求分析
5.2 飞控时序数据预测软件方案设计
5.3 飞控时序数据预测软件的实现
5.3.1 登录界面
5.3.2 训练与预测单选按钮
5.3.3 网络参数设置
5.3.4 算法选择
5.3.5 载入数据
5.3.6 整体运行效果
5.4 本章小结
第六章 全文总结与展望
6.1 全文总结
6.2 研究展望
致 谢
参考文献
攻读硕士学位期间取得的成果
电子科技大学;