基于ELM学习算法的混沌时间序列预测

被引：43

作者：

李彬 ^{[1
,2
]}

李贻斌 ^{[1
]}

机构：

[1] 山东大学控制科学与工程学院

[2] 山东轻工业学院数理学院

来源：

天津大学学报 | 2011年 / 44卷 / 08期

关键词：

混沌时间序列; 极端学习机; 激活函数; 预测;

D O I：

暂无

中图分类号：

TP183 [人工神经网络与计算];

学科分类号：

摘要：

混沌时间序列预测问题是信号处理和自动控制领域中一个重要的研究方向,神经网络学习算法在处理这种高复杂性、强非线性的时间序列时具有很好的优势.应用一种具有良好性能的单隐层前向神经网络学习算法——极端学习机(ELM)学习算法,进行混沌时间序列问题的预测.与资源分配网络(RAN)学习算法相比,仿真结果表明ELM学习算法在具有较快学习速度的前提下,能够获得较好的预测性能,且ELM学习算法激活函数的选择具有问题依赖性.

引用

页码：701 / 704

页数：4

共 7 条

[1] 基于RBF神经网络的混沌时间序列预测 [J].