多元时间序列的子空间回声状态网络预测模型

被引：16

作者：

韩敏

许美玲

王新迎

机构：

[1] 大连理工大学电子信息与电气工程学部

来源：

计算机学报 | 2014年 / 37卷 / 11期

关键词：

回声状态网络; 快速子空间分解; 储备池; 多元时间序列; 预测;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

针对采用回声状态网络预测多元混沌时间序列时储备池学习算法可能存在的病态解问题,该文提出了一种基于快速子空间分解方法的回声状态网络预测模型.所提模型利用Krylov子空间分解方法提取储备池状态矩阵的子空间,子空间代替原状态矩阵进行输出权值求解,可以消除储备池状态矩阵的冗余信息,有效地解决伪逆算法存在的病态解问题,并且降低计算复杂度,提高泛化性能和预测精度.基于两组多元混沌时间序列的仿真结果验证了该文所提模型的有效性和实用性.

引用

页码：2268 / 2275

页数：8

共 13 条

[1] 神经网络极速学习方法研究
邓万宇
郑庆华
陈琳
许学斌
[J]. 计算机学报, 2010, 33 (02) : 279 - 287
[2] 基于储备池主成分分析的多元时间序列预测研究
韩敏
王亚楠
[J]. 控制与决策, 2009, (10) : 1526 - 1530
[3] 基于模糊边界模块化神经网络的混沌时间序列预测
马千里
郑启伦
彭宏
覃姜维
[J]. 物理学报, 2009, 58 (03) : 1410 - 1419
[4] 神经网络的本质逼近阶
曹飞龙
徐宗本
[J]. 中国科学E辑:信息科学, 2004, (04) : 361 - 373
[5] 关于SVD与PCA等价性的研究
吴春国
梁艳春
孙延风
周春光
吕英华
[J]. 计算机学报, 2004, (02) : 286 - 288
[6] Convergence analysis of Lanczos-type methods for the linear response eigenvalue problem[J] . Zhongming Teng,Ren-Cang Li.Journal of Computational and Applied Mathematics . 2013
[7] Tree Echo State Networks[J] . Claudio Gallicchio,Alessio Micheli.Neurocomputing . 2013
[8] Echo State Property Linked to an Input: Exploring a Fundamental Characteristic of Recurrent Neural Networks[J] . G. Manjunath.Neural Computation . 2013 (3)
[9] Reservoir Computing Trends
Lukoševičius, Mantas
Jaeger, Herbert
Schrauwen, Benjamin
[J]. KI - Kunstliche Intelligenz, 2012, 26 (04): : 365 - 371
[10] A study on effectiveness of extreme learning machine
Wang, Yuguang
Cao, Feilong
Yuan, Yubo
[J]. NEUROCOMPUTING, 2011, 74 (16) : 2483 - 2490

← 1 2 →