一种基于可学习激活函数的模糊认知图时间序列预测方法

本发明涉及时间序列技术领域，尤其涉及一种基于可学习激活函数的模糊认知图时间序列预测方法，包括：获取时间序列数据；利用滑动窗口法将一元时间序列数据划分为多元时间序列；构建自适应激活函数的模糊认知图模型，为每个节点构建激活函数池，并引入节点权重向量，实现处理不同节点局部数据特征的激活函数的自适应选择，使每个节点匹配自身数据规律的非线性变换；利用批量梯度下降算法对AAF‑FCM模型的激活函数选择权重矩阵、因果权重矩阵和偏置向量进行寻优。本发明解决现有固定激活函数的模糊认知图模型预测准确性差，泛化能力弱的问题。