• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于ELM 學習算法的混沌時間序列預測

    2011-12-06 12:10:24李貽斌
    關(guān)鍵詞:隱層權(quán)值個數(shù)

    李 彬,李貽斌

    (1. 山東大學控制科學與工程學院,濟南 250061;2. 山東輕工業(yè)學院數(shù)理學院,濟南 250353)

    混沌系統(tǒng)是一個確定的非線性動態(tài)系統(tǒng),由這種系統(tǒng)產(chǎn)生的混沌信號對初始條件比較敏感,難以長期預測.混沌理論和混沌信號的處理是現(xiàn)階段的一個熱點研究問題,混沌時間序列(混沌信號)是對一個混沌系統(tǒng)采樣得到的單變量時間序列.為了更好地研究混沌系統(tǒng),如何對這種高度復雜,強非線性的混沌信號進行建模和預測,是當前的一個難點和熱點問題.

    神經(jīng)網(wǎng)絡作為一種數(shù)據(jù)驅(qū)動的結(jié)構(gòu)和算法,具有逼近任意非線性函數(shù)的能力,可以映射出數(shù)據(jù)之間的非線性關(guān)系.從而使得神經(jīng)網(wǎng)絡成為混沌時間序列預測的一個強有力的工具.文獻[1-3]中,分別探討了徑向基函數(shù)(radial basis function,RBF)神經(jīng)網(wǎng)絡、BP(back propagation)神經(jīng)網(wǎng)絡、模糊神經(jīng)網(wǎng)絡等對混沌時間序列問題的預測.現(xiàn)存的這些方法存在很多缺點,一般算法比較復雜,均為批處理學習算法,不能進行實時的在線學習,很多參數(shù)需要人工調(diào)整,預測精度不高,收斂速度慢或容易陷入局部極小點,算法運行的時間較長等.

    2006 年,Huang 等[4]提出了一類性能優(yōu)良的單隱層前向神經(jīng)網(wǎng)絡(single-hidden layer feed forward neural networks,SLFNs)學習算法,稱為極端學習機(extreme learning machine,ELM)學習算法,與一般的BP 神經(jīng)網(wǎng)絡、RBF 神經(jīng)網(wǎng)絡相比,性能較好.該算法可以隨機地選擇網(wǎng)絡中隱層神經(jīng)元個數(shù)和類型,構(gòu)造不同的學習算法,且在隨機選擇輸入層權(quán)值和隱層神經(jīng)元偏差(閾值)前提下,可以解析獲得隱層輸出權(quán)值,該方法具有許多優(yōu)良的特性,如學習速度快,泛化能力好等.ELM 學習算法和理論[4-6]經(jīng)過許多學者的努力,已在函數(shù)逼近、模式分類、系統(tǒng)辨識等方面得到廣泛應用.本文將ELM 學習算法用于混沌時間序列預測,擴展了這種算法的應用范圍.仿真結(jié)果表明,ELM 學習算法所處理的混沌時間序列,預測精度較高,學習速度較快.并且針對同一問題,在網(wǎng)絡復雜度相同的前提下,選擇不同的激活函數(shù),ELM 學習算法性能差異較大,即ELM 學習算法激活函數(shù)的選擇具有問題依賴性.

    1 ELM學習算法簡介

    式中:G(w i,bi,x)為與輸入x對應的第i個隱層神經(jīng)元的輸出;βi=[βi1,βi2,···,βim]T為第i個隱層神經(jīng)元與輸出神經(jīng)元之間的連接權(quán)向量.

    當激活函數(shù)g(x)為加性神經(jīng)元時,第i 個隱層神經(jīng)元的輸出為

    當激活函數(shù)g(x)為RBF 神經(jīng)元時,其相應的輸出為

    式中:wi和bi分別為第i 個徑向基函數(shù)的中心和影響因子(寬度);R+是一個正實數(shù)集合.

    對于 N 個任意輸入樣本(xj,tj),其中,給定個隱層神經(jīng)元和激活函數(shù)G(wi,bi,x),則存在βi,wi和bi,使得SLFNs 能夠以零誤差逼近這N 個樣本點,即

    式(4)可以寫成矩陣形式為

    式中:H是該神經(jīng)網(wǎng)絡的隱層輸出矩陣,H的第i列是關(guān)于輸入x1,x2,…,xN的第i 個隱層神經(jīng)元的輸出.

    對于單隱層前向神經(jīng)網(wǎng)絡,ELM 學習算法對于任意無限可微的激活函數(shù)都是可用的[4-5],從而拓展了前向神經(jīng)網(wǎng)絡激活函數(shù)的選擇空間.與傳統(tǒng)的函數(shù)逼近理論不同,ELM 學習算法的輸入層權(quán)值w i和隱層的偏差bi可以隨機選擇[4].從而,對于前向神經(jīng)網(wǎng)絡來說,在網(wǎng)絡的訓練過程中,無需對輸入層權(quán)值和隱層偏差進行調(diào)整,一旦這些參數(shù)隨機確定以后,隱層輸出矩陣H在網(wǎng)絡開始訓練時,保持不變.從而,SLFNs 的訓練過程,等價于尋找線性系統(tǒng)H β=T的最小二乘解,如果隱層神經(jīng)元的個數(shù)和網(wǎng)絡的輸入樣本個數(shù)N 相同,即=N,當輸入層權(quán)值和隱層偏差隨機確定以后,矩陣H是可逆方陣,則該SLFNs 能夠以零誤差逼近訓練樣本.但是,在大多數(shù)情況下?N,矩陣H不是方陣,從而不存在使得=Hβ=T.但是可以求這個線性系統(tǒng)的最小范數(shù)最小二乘解:=H+T,其中H +為矩陣H的Moore-Penrose 廣義逆.

    步驟1隨機設定輸入層權(quán)值wi和偏差bi,i=1,…,,.

    步驟 2計算隱層輸出矩陣H.

    步驟3計算輸出層權(quán)值β:=H +T,其中T=

    2 計算機仿真與結(jié)果分析

    本文用Box and Jenkins gas furnace data[7]和Mackey-Glass[8]混沌時間序列預測問題來進行計算機仿真.ELM 學習算法的隱層神經(jīng)元個數(shù)和激活函數(shù)類型,根據(jù)所處理的問題進行選取,以期得到較好的逼近誤差和泛化能力.本文所有結(jié)果都是在Matlab 7.0 環(huán)境下,CPU 為1.7,GHz 的奔騰Ⅳ機器上運行得到的,為了使算法更有說服力,表中的結(jié)果為10 次仿真結(jié)果的平均值,算法性能用均方根誤差衡量.

    在Box and Jenkins gas furnace data 基準問題中,原始數(shù)據(jù)點個數(shù)為296 個,其中u(t)為輸入氣體流速,y (t )為輸出CO2濃度,用{y(t? 1),y (t? 2),y(t?3),y(t? 4),u(t? 1),u(t? 2),u(t? 3),u(t? 4),u(t?5),u(t? 6)}時刻的值來預測 y (t )時刻的值.這里取的有效數(shù)據(jù)點個數(shù)為290 個,前200 個為訓練樣本,后90個作為測試樣本.

    Mackey-Glass 微分延遲方程被認為是一個混沌時間序列基準問題.它由下面的微分延遲方程產(chǎn)生,

    式中:a= 0.2;b= 0.1;τ= 17.用微分延遲方程生成的Mackey-Glass 時間序列個數(shù)為4,500,其中的前4,000 數(shù)據(jù)用來訓練網(wǎng)絡,后500 個作為網(wǎng)絡的測試數(shù)據(jù),來測試網(wǎng)絡的泛化能力.

    在同一激活函數(shù)下,神經(jīng)網(wǎng)絡中隱層激活函數(shù)個數(shù)越多,逼近能力越好,但是有可能出現(xiàn)過擬合現(xiàn)象,使得神經(jīng)網(wǎng)絡的泛化能力降低.因此,為了獲得較好的網(wǎng)絡性能,必須適當?shù)剡x擇合適的隱層神經(jīng)元個數(shù).為了使得ELM 學習算法有比較好的性能,在Box and Jenkins gas furnace data 和Mackey-Glass 混沌時間序列預測中,隱層神經(jīng)元個數(shù)分別為15和200.

    如表1 所示,對于Box and Jenkins gas furnace data 基準問題,在相同的網(wǎng)絡復雜度(隱層神經(jīng)元個數(shù)相同)前提下,線性(linear)激活函數(shù)性能表現(xiàn)良好,和其他激活函數(shù)相比,其訓練誤差和測試誤差都較小,2 種誤差的標準偏差為0,網(wǎng)絡的穩(wěn)定性較好.而對于Mackey-Glass 混沌時間序列問題來說,當激活函數(shù)為sigmoid時,網(wǎng)絡的性能表現(xiàn)較好.仿真結(jié)果表明對于相同的網(wǎng)絡復雜度,選擇不同的激活函數(shù),同樣的問題性能表現(xiàn)有很大的不同,即ELM 學習算法中激活函數(shù)的選擇具有問題依賴性.因此,在同樣網(wǎng)絡復雜度前提下,根據(jù)實際問題選擇不同的激活函數(shù)對設計高性能的ELM 前向神經(jīng)網(wǎng)絡是重要的.

    表1 不同激活函數(shù)條件下ELM學習算法關(guān)于混沌時間序列預測問題的性能比較Tab.1 Performance comparison of ELM learning algorithm with different activation functions for chaotic time series prediction problems

    圖1和圖2 分別為2個混沌時間序列問題的預測曲線,從圖上可以看出,在適當?shù)倪x擇激活函數(shù)類型和隱層神經(jīng)元個數(shù)前提下,ELM 學習算法比較適合處理復雜的混沌時間序列預測問題,能嚴格地跟蹤擬合這些高度復雜、強非線性曲線.

    圖1 ELM 學習算法關(guān)于Box and Jenkins 煤氣爐混沌時間序列預測問題的預測曲線(線性激活函數(shù))Fig.1 Prediction curve of ELM learning algorithm for Fig.1 Box and Jenkins gas furnace chaotic time series Fig.1 prediction problems (linear activation function)

    圖2 ELM學習算法關(guān)于Mackey-Glass混沌時間序列預測問題的預測曲線(sigmoid 激活函數(shù))Fig.2 Prediction curve of ELM learning algorithm for Fig.2 Mackey-Glass chaotic time series prediction pro-Fig.2 blems(sigmoid activation function)

    為了更好地體現(xiàn)ELM 學習算法的優(yōu)良性能,本文比較了ELM 和資源分配網(wǎng)絡(resource allocating network,RAN)[9]徑向基函數(shù)神經(jīng)網(wǎng)絡學習算法.除期望輸出誤差取值為0.001 之外,RAN 學習算法的其他參數(shù)選取和文獻[8]一樣.從表2 可以看出,在相同的網(wǎng)絡復雜度前提下,和RAN 學習算法相比,ELM 學習算法的訓練時間、訓練誤差和測試誤差都較小,更適合于混沌時間序列問題的預測.

    表2 ELM和RAN學習算法在混沌時間序列預測問題的性能比較Tab.2 Performance comparison of ELM and RAN learning algorithms for chaotic time series prediction problems

    3 結(jié) 語

    本文將ELM 學習算法應用于混沌時間序列預測,與其他方法不同,ELM 學習方法在隨機選擇輸入層權(quán)值和隱層偏差的前提下,可以解析獲得隱層輸出權(quán)值,算法簡單,執(zhí)行速度很快.與RAN 學習算法相比,仿真表明對于混沌時間序列預測問題,ELM 學習算法具有較好的性能.同時也說明了對于同樣的問題,ELM 學習算法中,選擇不同激活函數(shù),性能表現(xiàn)差異明顯,即ELM 激活函數(shù)的選擇具有問題依賴性.針對不同問題,激活函數(shù)的選擇一般有2 種方式:一種是把從所處理問題中提取的先驗知識耦合進神經(jīng)網(wǎng)絡算法當中[10];另一種是選擇激活函數(shù)自適應可調(diào)的神經(jīng)網(wǎng)絡學習算法.因此,根據(jù)實際問題選擇不同的神經(jīng)網(wǎng)絡激活函數(shù)對設計高性能的極端學習機前向神經(jīng)網(wǎng)絡是重要的,也為將來設計激活函數(shù)自適應可調(diào)的ELM學習算法提供了一定的理論基礎.

    [1]李冬梅,王正歐. 基于RBF 神經(jīng)網(wǎng)絡的混沌時間序列預測[J]. 模式識別與人工智能,2001,14(2):231-234.Li Dongmei,Wang Zheng’ou. Prediction of chaotic time series based on RBF neural networks[J].Pattern Recognition and Artificial Intelligence,2001,14(2):231-234(in Chinese).

    [2]郁俊莉. 基于混沌時間序列的非線性動態(tài)系統(tǒng)神經(jīng)網(wǎng)絡建模與預測[J]. 武漢大學學報:理學版,2005,51(3):286-290.Yu Junli. Modeling and forecasting of the nonlinear dynamic system neural network based on the chaotic time series[J].Journal of Wuhan University:Natural Science Edition,2005,51(3):286-290(in Chinese).

    [3]Maguire L P,Roche B,McGinnity T M,et al. Predicting a chaotic time series using a fuzzy neural network[J].Information Sciences,1998,112(1/2/3/4):125-136.

    [4]Huang G B,Zhu Q Y,Siew C K. Extreme learning machine : Theory and applications[J].Neurocomputing,2006,70(1/2/3):489-501.

    [5]Huang G B,Siew C K. Extreme learning machine with randomly assigned RBF kernels[J].International Journal of Information Technology,2005,11(1):16-24.

    [6]Li M B,Er M J. Nonlinear system identification using extreme learning machine[C]//Ninth International Conference on Control,Automation,Robotics and Visio.Singapore,2006:1-4.

    [7]Rojas I,Gonzalez J,Canas A,et al. Short-term prediction of chaotic time series by using RBF network with regression weights[J].International Journal of Neural Systems,2000,10(5):353-364.

    [8]李 彬,賴曉平. 改進的GGAP-RBF 算法及其在函數(shù)逼近中的應用[J]. 模式識別與人工智能,2007,20(2):230-235.Li Bin,Lai Xiaoping. An improved GGAP-RBF algorithm and its application to function approximation[J].Pattern Recognition and Artificial Intelligence,2007,20(2):230-235(in Chinese).

    [9]Platt J. A resource-allocating network for function interpolation neural computation[J].Neural Computation,1991,3(2):213-225.

    [10]韓 飛. 基于先驗信息編碼的約束學習算法研究[D].合肥:中國科學技術(shù)大學自動化系,2006.Han Fei. A Study of Constrained Learning Algorithms Encoding the a Priori Information of Problem[D].Hefei:Department of Automation,University of Science and Technology of China,2006(in Chinese).

    猜你喜歡
    隱層權(quán)值個數(shù)
    一種融合時間權(quán)值和用戶行為序列的電影推薦模型
    怎樣數(shù)出小正方體的個數(shù)
    CONTENTS
    等腰三角形個數(shù)探索
    怎樣數(shù)出小木塊的個數(shù)
    基于RDPSO結(jié)構(gòu)優(yōu)化的三隱層BP神經(jīng)網(wǎng)絡水質(zhì)預測模型及應用
    人民珠江(2019年4期)2019-04-20 02:32:00
    怎樣數(shù)出小正方體的個數(shù)
    基于權(quán)值動量的RBM加速學習算法研究
    自動化學報(2017年7期)2017-04-18 13:41:02
    基于近似結(jié)構(gòu)風險的ELM隱層節(jié)點數(shù)優(yōu)化
    計算機工程(2014年9期)2014-06-06 10:46:47
    最優(yōu)隱層BP神經(jīng)網(wǎng)絡的滾動軸承故障診斷
    亚洲自拍偷在线| 91字幕亚洲| 免费不卡黄色视频| svipshipincom国产片| 免费观看精品视频网站| 欧美亚洲日本最大视频资源| 日本vs欧美在线观看视频| 老司机福利观看| 老司机午夜十八禁免费视频| 宅男免费午夜| 91老司机精品| 国产精华一区二区三区| 一本久久中文字幕| 国产精品野战在线观看| 色婷婷久久久亚洲欧美| 波多野结衣一区麻豆| 电影成人av| 国产一区二区三区视频了| 一级a爱片免费观看的视频| 午夜福利18| 国产精品爽爽va在线观看网站 | 色av中文字幕| 亚洲精品久久成人aⅴ小说| 国产精品影院久久| 午夜成年电影在线免费观看| 在线视频色国产色| 亚洲国产精品成人综合色| 精品国内亚洲2022精品成人| 在线观看午夜福利视频| 国产精品久久久久久精品电影 | 精品欧美国产一区二区三| 一夜夜www| tocl精华| 亚洲精品一区av在线观看| 日韩精品青青久久久久久| 国产亚洲精品第一综合不卡| 老司机深夜福利视频在线观看| √禁漫天堂资源中文www| 岛国视频午夜一区免费看| 99国产精品免费福利视频| 日韩精品中文字幕看吧| 欧美激情 高清一区二区三区| 亚洲九九香蕉| 在线观看免费午夜福利视频| 男女下面进入的视频免费午夜 | 国产精品乱码一区二三区的特点 | 国产人伦9x9x在线观看| 91成人精品电影| 国产欧美日韩精品亚洲av| а√天堂www在线а√下载| 亚洲全国av大片| 日本撒尿小便嘘嘘汇集6| 久久香蕉激情| 国产免费男女视频| 国产高清激情床上av| 男女床上黄色一级片免费看| 中文字幕人妻熟女乱码| 高潮久久久久久久久久久不卡| 美女高潮喷水抽搐中文字幕| 国语自产精品视频在线第100页| 嫩草影院精品99| 淫秽高清视频在线观看| 亚洲黑人精品在线| 级片在线观看| 青草久久国产| 不卡一级毛片| 老司机福利观看| 一区二区三区高清视频在线| 91麻豆av在线| 国产欧美日韩一区二区三| 黄片播放在线免费| 国产精品99久久99久久久不卡| 后天国语完整版免费观看| 男女床上黄色一级片免费看| 99久久综合精品五月天人人| 夜夜躁狠狠躁天天躁| 三级毛片av免费| 69av精品久久久久久| 日本 欧美在线| 国产精品久久久久久人妻精品电影| 久久精品91无色码中文字幕| 中文字幕另类日韩欧美亚洲嫩草| 亚洲国产欧美日韩在线播放| 曰老女人黄片| 欧美激情久久久久久爽电影 | 少妇被粗大的猛进出69影院| 50天的宝宝边吃奶边哭怎么回事| 国产男靠女视频免费网站| 成人三级做爰电影| 国产成人av教育| 精品久久久精品久久久| 可以免费在线观看a视频的电影网站| 51午夜福利影视在线观看| 亚洲精品国产精品久久久不卡| 变态另类成人亚洲欧美熟女 | 久久久久国产精品人妻aⅴ院| 国产精品一区二区免费欧美| 热re99久久国产66热| 又黄又爽又免费观看的视频| netflix在线观看网站| 国产精品 欧美亚洲| www.熟女人妻精品国产| 啦啦啦韩国在线观看视频| 啦啦啦韩国在线观看视频| av天堂久久9| 日本免费a在线| 成人亚洲精品一区在线观看| 国产高清视频在线播放一区| 女性被躁到高潮视频| 97人妻天天添夜夜摸| 免费在线观看日本一区| 久久午夜亚洲精品久久| 日本 av在线| 99久久99久久久精品蜜桃| 男男h啪啪无遮挡| 成人18禁高潮啪啪吃奶动态图| 黄色视频不卡| 给我免费播放毛片高清在线观看| 嫁个100分男人电影在线观看| 亚洲免费av在线视频| 亚洲五月天丁香| 母亲3免费完整高清在线观看| 久久久国产精品麻豆| 久久久久久大精品| 欧美日韩瑟瑟在线播放| 免费高清视频大片| 麻豆一二三区av精品| 99在线人妻在线中文字幕| 国产成人av激情在线播放| 制服诱惑二区| 纯流量卡能插随身wifi吗| ponron亚洲| 色哟哟哟哟哟哟| 国语自产精品视频在线第100页| 亚洲专区国产一区二区| 可以在线观看毛片的网站| 日日夜夜操网爽| 一边摸一边抽搐一进一小说| 热99re8久久精品国产| 亚洲av熟女| 精品一区二区三区视频在线观看免费| 这个男人来自地球电影免费观看| 男女午夜视频在线观看| 少妇的丰满在线观看| 身体一侧抽搐| 伦理电影免费视频| 午夜精品在线福利| 乱人伦中国视频| 一二三四在线观看免费中文在| 欧美成人性av电影在线观看| 亚洲自拍偷在线| 一区二区三区高清视频在线| 午夜免费鲁丝| 国产单亲对白刺激| 成年人黄色毛片网站| 十八禁网站免费在线| 男女做爰动态图高潮gif福利片 | 久久久久久大精品| 一进一出好大好爽视频| 国产一区二区三区视频了| 国产野战对白在线观看| 在线视频色国产色| 一级片免费观看大全| 欧美一级毛片孕妇| 欧美中文综合在线视频| 91大片在线观看| 高清在线国产一区| 国产成人啪精品午夜网站| 两人在一起打扑克的视频| 欧美成狂野欧美在线观看| 国产区一区二久久| 亚洲精品av麻豆狂野| 亚洲国产欧美网| 国产精品一区二区免费欧美| 91在线观看av| 国产1区2区3区精品| 99精品在免费线老司机午夜| 精品国产乱子伦一区二区三区| 亚洲国产日韩欧美精品在线观看 | 国产aⅴ精品一区二区三区波| 久久精品国产清高在天天线| 日韩三级视频一区二区三区| 人人妻人人澡欧美一区二区 | 啪啪无遮挡十八禁网站| 久久人妻熟女aⅴ| 久久久久九九精品影院| 免费在线观看黄色视频的| 欧美黑人欧美精品刺激| 国产精品免费视频内射| 777久久人妻少妇嫩草av网站| svipshipincom国产片| 淫秽高清视频在线观看| 亚洲男人天堂网一区| 女性生殖器流出的白浆| 久久精品国产亚洲av高清一级| 91麻豆精品激情在线观看国产| 黑人巨大精品欧美一区二区蜜桃| 18禁观看日本| 国产成人啪精品午夜网站| 午夜老司机福利片| 男女下面进入的视频免费午夜 | 69av精品久久久久久| 制服丝袜大香蕉在线| 啦啦啦 在线观看视频| 成人特级黄色片久久久久久久| 欧美乱色亚洲激情| 久久人人爽av亚洲精品天堂| 欧美国产日韩亚洲一区| 久久青草综合色| 欧美 亚洲 国产 日韩一| 久久这里只有精品19| 免费人成视频x8x8入口观看| 日韩一卡2卡3卡4卡2021年| 极品人妻少妇av视频| 精品国产一区二区久久| 精品无人区乱码1区二区| 亚洲精品国产色婷婷电影| 窝窝影院91人妻| 黄片播放在线免费| 色婷婷久久久亚洲欧美| 国产99白浆流出| 久久天堂一区二区三区四区| 亚洲电影在线观看av| 亚洲 欧美 日韩 在线 免费| 国产精品亚洲一级av第二区| 久久精品成人免费网站| 国产麻豆成人av免费视频| 欧美另类亚洲清纯唯美| av视频免费观看在线观看| 亚洲色图av天堂| 黄色毛片三级朝国网站| 搡老妇女老女人老熟妇| 免费在线观看完整版高清| 欧美日韩亚洲综合一区二区三区_| 大型av网站在线播放| 成人亚洲精品一区在线观看| 亚洲国产精品sss在线观看| avwww免费| www日本在线高清视频| 国产aⅴ精品一区二区三区波| 黑人欧美特级aaaaaa片| 亚洲色图综合在线观看| 97人妻天天添夜夜摸| 日韩欧美国产一区二区入口| 长腿黑丝高跟| 啦啦啦免费观看视频1| 精品人妻1区二区| 精品国产美女av久久久久小说| 国产一区二区在线av高清观看| 日韩成人在线观看一区二区三区| 久久中文看片网| 免费少妇av软件| 黄片小视频在线播放| 美国免费a级毛片| 精品久久久精品久久久| 午夜视频精品福利| 天堂√8在线中文| 给我免费播放毛片高清在线观看| 最近最新中文字幕大全电影3 | 亚洲五月婷婷丁香| 国产av又大| 精品第一国产精品| 黑人巨大精品欧美一区二区mp4| 午夜影院日韩av| 国内精品久久久久久久电影| 很黄的视频免费| 精品国产乱子伦一区二区三区| 久久精品91蜜桃| 国产精品免费一区二区三区在线| 啪啪无遮挡十八禁网站| 欧美中文综合在线视频| 精品福利观看| 国产又色又爽无遮挡免费看| 亚洲一码二码三码区别大吗| www国产在线视频色| 9191精品国产免费久久| 女人被躁到高潮嗷嗷叫费观| 亚洲国产精品sss在线观看| 桃色一区二区三区在线观看| 丰满人妻熟妇乱又伦精品不卡| 99久久精品国产亚洲精品| 99久久精品国产亚洲精品| 看黄色毛片网站| 国产精品综合久久久久久久免费 | 在线免费观看的www视频| 啪啪无遮挡十八禁网站| 婷婷丁香在线五月| 亚洲国产日韩欧美精品在线观看 | 久久久国产欧美日韩av| 精品人妻在线不人妻| 天天添夜夜摸| 日本 欧美在线| 精品一区二区三区四区五区乱码| 国产精品永久免费网站| 国产精品野战在线观看| 久久精品亚洲熟妇少妇任你| 黄色 视频免费看| 久热这里只有精品99| videosex国产| 最近最新免费中文字幕在线| 一进一出抽搐动态| 99久久精品国产亚洲精品| 精品第一国产精品| 搡老熟女国产l中国老女人| 欧美国产精品va在线观看不卡| 久久香蕉精品热| 无遮挡黄片免费观看| 亚洲成av片中文字幕在线观看| 国产黄a三级三级三级人| 亚洲欧美一区二区三区黑人| 高清毛片免费观看视频网站| 精品国产一区二区久久| 国产在线精品亚洲第一网站| 久久精品亚洲熟妇少妇任你| 亚洲全国av大片| 国产精品二区激情视频| 男女之事视频高清在线观看| 波多野结衣一区麻豆| 欧美最黄视频在线播放免费| 亚洲精品在线美女| 91成人精品电影| 女人被躁到高潮嗷嗷叫费观| 在线免费观看的www视频| 欧美成人性av电影在线观看| 18禁黄网站禁片午夜丰满| 欧美一级a爱片免费观看看 | 精品欧美一区二区三区在线| 国产成人精品久久二区二区免费| 日韩欧美国产一区二区入口| 黄色视频,在线免费观看| 久久久国产成人精品二区| 窝窝影院91人妻| 伊人久久大香线蕉亚洲五| 亚洲无线在线观看| 操美女的视频在线观看| 日韩国内少妇激情av| 男女下面进入的视频免费午夜 | 久久国产精品男人的天堂亚洲| 日日干狠狠操夜夜爽| 欧洲精品卡2卡3卡4卡5卡区| 国语自产精品视频在线第100页| 两个人免费观看高清视频| 丝袜人妻中文字幕| 亚洲在线自拍视频| 男人舔女人的私密视频| 久久久国产精品麻豆| 久久草成人影院| 亚洲成人免费电影在线观看| 亚洲中文av在线| 亚洲成a人片在线一区二区| 中文字幕精品免费在线观看视频| 国产一区在线观看成人免费| 色精品久久人妻99蜜桃| 久久人人爽av亚洲精品天堂| 91字幕亚洲| 天天添夜夜摸| 色综合欧美亚洲国产小说| 国产精品免费视频内射| 人人妻人人爽人人添夜夜欢视频| 欧美人与性动交α欧美精品济南到| 国产1区2区3区精品| 女人高潮潮喷娇喘18禁视频| 亚洲一码二码三码区别大吗| 天堂影院成人在线观看| 12—13女人毛片做爰片一| 丝袜美腿诱惑在线| 亚洲男人的天堂狠狠| 久久香蕉精品热| 女生性感内裤真人,穿戴方法视频| 十分钟在线观看高清视频www| 一级毛片精品| 国产精品久久久av美女十八| 99国产精品一区二区蜜桃av| www.熟女人妻精品国产| 欧美亚洲日本最大视频资源| 亚洲人成77777在线视频| 午夜福利视频1000在线观看 | 亚洲,欧美精品.| 真人一进一出gif抽搐免费| 色播在线永久视频| 在线观看一区二区三区| 久久久久九九精品影院| 中文字幕av电影在线播放| 黄网站色视频无遮挡免费观看| 国产一区二区激情短视频| 99久久精品国产亚洲精品| 色婷婷久久久亚洲欧美| 国产私拍福利视频在线观看| 国产欧美日韩一区二区精品| 熟妇人妻久久中文字幕3abv| 国产精品二区激情视频| 久久久久久久午夜电影| av超薄肉色丝袜交足视频| 国产精品一区二区在线不卡| 亚洲一区中文字幕在线| 亚洲 国产 在线| 欧美日本中文国产一区发布| 十八禁人妻一区二区| 精品久久久久久久人妻蜜臀av | 午夜福利高清视频| 亚洲av第一区精品v没综合| 中文字幕最新亚洲高清| 神马国产精品三级电影在线观看 | 一区在线观看完整版| 亚洲一区二区三区不卡视频| 久热这里只有精品99| 欧美日韩一级在线毛片| 好看av亚洲va欧美ⅴa在| 黄色女人牲交| 两性夫妻黄色片| 久久精品亚洲精品国产色婷小说| 日韩欧美一区二区三区在线观看| 久久午夜亚洲精品久久| 国产熟女xx| 国产精品久久久久久精品电影 | 久久香蕉激情| 久久精品亚洲熟妇少妇任你| 人人妻人人爽人人添夜夜欢视频| 免费不卡黄色视频| 亚洲欧美激情在线| 国产av精品麻豆| 久久伊人香网站| 大型黄色视频在线免费观看| 18禁美女被吸乳视频| 久久久久精品国产欧美久久久| 嫩草影视91久久| 亚洲精华国产精华精| 亚洲国产欧美网| 精品国产美女av久久久久小说| 99久久国产精品久久久| 久久香蕉精品热| 国产伦人伦偷精品视频| 成人18禁高潮啪啪吃奶动态图| 女人高潮潮喷娇喘18禁视频| 日韩高清综合在线| 国产伦一二天堂av在线观看| 深夜精品福利| 夜夜夜夜夜久久久久| 精品国产亚洲在线| 亚洲精品美女久久av网站| 久久久久九九精品影院| 久久久久久久久中文| 久久天堂一区二区三区四区| 精品国产一区二区久久| 色播在线永久视频| 国产野战对白在线观看| 麻豆av在线久日| 日韩欧美国产在线观看| 午夜视频精品福利| 国产亚洲av高清不卡| 99国产极品粉嫩在线观看| 两人在一起打扑克的视频| 国产熟女xx| 色老头精品视频在线观看| 麻豆久久精品国产亚洲av| 欧美人与性动交α欧美精品济南到| 午夜福利影视在线免费观看| 日韩欧美免费精品| 日日爽夜夜爽网站| 老汉色av国产亚洲站长工具| 中文字幕色久视频| 国产精品98久久久久久宅男小说| 91av网站免费观看| 国产成+人综合+亚洲专区| 丝袜美腿诱惑在线| 91老司机精品| 村上凉子中文字幕在线| 99国产精品免费福利视频| 久久久久久久久免费视频了| 精品电影一区二区在线| av超薄肉色丝袜交足视频| 757午夜福利合集在线观看| 久久中文字幕人妻熟女| 我的亚洲天堂| 国产精品,欧美在线| 女警被强在线播放| 欧美日韩黄片免| 一级,二级,三级黄色视频| 亚洲精品av麻豆狂野| 岛国在线观看网站| 久久久国产精品麻豆| 看免费av毛片| 国产精品免费一区二区三区在线| 日本在线视频免费播放| 又紧又爽又黄一区二区| 国产精品1区2区在线观看.| 久久久久久国产a免费观看| 人妻久久中文字幕网| 999久久久精品免费观看国产| 国产亚洲精品久久久久5区| 色综合婷婷激情| 国产一区二区三区在线臀色熟女| 国产亚洲精品一区二区www| 最近最新免费中文字幕在线| 精品电影一区二区在线| 校园春色视频在线观看| 一二三四社区在线视频社区8| 91九色精品人成在线观看| 两个人视频免费观看高清| 一区二区三区激情视频| 女人精品久久久久毛片| 国产私拍福利视频在线观看| 亚洲午夜理论影院| 视频在线观看一区二区三区| 午夜精品国产一区二区电影| 欧美黄色淫秽网站| 日韩欧美三级三区| 国产精品亚洲美女久久久| a在线观看视频网站| 亚洲伊人色综图| 久久伊人香网站| 美女高潮到喷水免费观看| 免费在线观看视频国产中文字幕亚洲| 给我免费播放毛片高清在线观看| 午夜福利18| 正在播放国产对白刺激| 日韩视频一区二区在线观看| 成人国产综合亚洲| 日韩有码中文字幕| 99re在线观看精品视频| 欧美一级a爱片免费观看看 | 丁香欧美五月| 欧美久久黑人一区二区| or卡值多少钱| 女同久久另类99精品国产91| 99在线视频只有这里精品首页| 国产精品久久久av美女十八| 精品国产乱子伦一区二区三区| 男女之事视频高清在线观看| 色哟哟哟哟哟哟| 中出人妻视频一区二区| 宅男免费午夜| 91精品国产国语对白视频| 免费搜索国产男女视频| 成人国产一区最新在线观看| 午夜久久久在线观看| 国产三级黄色录像| 美女国产高潮福利片在线看| 欧美成人性av电影在线观看| 成人av一区二区三区在线看| 69精品国产乱码久久久| 午夜a级毛片| 久久 成人 亚洲| 免费观看人在逋| 亚洲中文字幕一区二区三区有码在线看 | 免费人成视频x8x8入口观看| 午夜精品国产一区二区电影| 多毛熟女@视频| 一个人免费在线观看的高清视频| 欧美精品亚洲一区二区| 日本一区二区免费在线视频| 国产免费av片在线观看野外av| 精品久久久久久久人妻蜜臀av | 欧美 亚洲 国产 日韩一| www.www免费av| 91成人精品电影| 黄色a级毛片大全视频| 搡老妇女老女人老熟妇| 每晚都被弄得嗷嗷叫到高潮| 亚洲男人的天堂狠狠| 国产午夜精品久久久久久| 欧美日韩精品网址| 国产麻豆成人av免费视频| 国产精品久久久久久精品电影 | 亚洲国产精品999在线| 人妻丰满熟妇av一区二区三区| 大型av网站在线播放| 91字幕亚洲| 天堂影院成人在线观看| 欧美日韩乱码在线| 12—13女人毛片做爰片一| 国产成人啪精品午夜网站| 一个人免费在线观看的高清视频| 午夜两性在线视频| 久久久久国产一级毛片高清牌| 啦啦啦 在线观看视频| 国产精品免费视频内射| 国产区一区二久久| 长腿黑丝高跟| 黄色成人免费大全| 久久久精品国产亚洲av高清涩受| 欧美激情 高清一区二区三区| 日日摸夜夜添夜夜添小说| 一级片免费观看大全| 免费看a级黄色片| 高潮久久久久久久久久久不卡| 精品免费久久久久久久清纯| 麻豆久久精品国产亚洲av| 美女扒开内裤让男人捅视频| 亚洲人成77777在线视频| 变态另类成人亚洲欧美熟女 | av欧美777| 91在线观看av| 真人一进一出gif抽搐免费| 国产高清激情床上av| 女人爽到高潮嗷嗷叫在线视频| 国产成人精品久久二区二区91| 日韩精品青青久久久久久| 亚洲欧洲精品一区二区精品久久久| 制服丝袜大香蕉在线| 纯流量卡能插随身wifi吗| 天堂影院成人在线观看| 日本a在线网址| 国产99白浆流出| 国产精品秋霞免费鲁丝片| 国产蜜桃级精品一区二区三区| 亚洲专区字幕在线| 久99久视频精品免费| 久久中文看片网| 手机成人av网站| 国产成人av教育| 99精品欧美一区二区三区四区| 搞女人的毛片| 午夜老司机福利片| 久久精品国产综合久久久|