共 4 条
具有选择与遗忘机制的极端学习机在时间序列预测中的应用
被引：19
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：
混沌时间序列;
时间序列预测;
神经网络;
极端学习机;
D O I：
暂无
中图分类号：
TP183 [人工神经网络与计算];
O211.61 [平稳过程与二阶矩过程];
学科分类号：
摘要：
针对训练样本贯序输入时的极端学习机(ELM)训练问题,提出一种具有选择与遗忘机制的极端学习机(SF-ELM),并研究了其在混沌时间序列预测中的应用.SF-ELM以逐次增加新训练样本的方式实现在线训练,通过引入遗忘因子以减弱旧训练样本的影响,同时以泛化能力为判断依据,对其输出权值进行选择性递推更新.混沌时间序列在线预测实例表明,SF-ELM是一种有效的ELM在线训练模式.相比于在线贯序极端学习机,SF-ELM具有更快的在线训练速度和更高的在线预测精度,因此更适于混沌时间序列在线预测.
引用
收藏
页码：74 / 80
页数：7
相关论文