共 5 条
基于Cholesky分解的增量式RELM及其在时间序列预测中的应用
被引：7
作者：
张弦
王宏力
机构：
[1] 第二炮兵工程学院自动控制工程系
来源：
关键词：
神经网络;
极端学习机;
混沌时间序列;
时间序列预测;
D O I：
暂无
中图分类号：
O211.61 [平稳过程与二阶矩过程];
学科分类号：
摘要：
针对应用于混沌时间序列预测的正则极端学习机(RELM)网络结构设计问题,提出一种基于Cholesky分解的增量式RELM训练算法.该算法通过逐次增加隐层神经元的方式自动确定最佳的RELM网络结构,并以Cholesky分解方式计算其输出权值,有效减小了隐层神经元递增过程的计算代价.混沌时间序列预测实例表明,该算法可有效实现最佳RELM网络结构的自动确定,且计算效率高.利用该算法训练后的RELM预测模型具有预测精度高的优点,适用于混沌时间序列预测.
引用
收藏
页码：7 / 12
页数：6
相关论文