回声状态网络LM算法及混沌时间序列预测

被引：21

作者：

韩敏

穆大芸

机构：

[1] 大连理工大学电子信息与电气工程学部

来源：

控制与决策 | 2011年 / 26卷 / 10期

关键词：

回声状态网络; 储备池; LM算法; 时间序列预测;

D O I：

10.13195/j.cd.2011.10.32.hanm.024

中图分类号：

TP183 [人工神经网络与计算];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

回声状态网络(ESN)学习算法中可能存在解的奇异问题,在时间序列预测时易导致病态解问题,且伴随着具有较大幅值的输出权值,尤其是当训练样本个数小于输出权值维数时,ESN的解必为奇异的.鉴于此,考虑使用LM(Levenberg Marquardt)算法代替常用的线性回归方法,自适应选择LM参数,从而有效地控制输出权值的幅值,提高ESN的预测性能.通过Lorenz混沌时间序列进行预测研究,对大连月平均气温实际数据进行仿真研究,取得了较好的预测效果.

引用

页码：1469 / 1472+1478 +1478

页数：5