回声状态网络LM算法及混沌时间序列预测

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.

关键词：回声状态网络、储备池、LM算法、时间序列预测

所属期刊栏目：26

分类号：TP183(自动化基础理论)

资助基金：国家自然科学基金61074096;国家科技支撑计划项目2006BAB14B05

在线出版日期：2012-04-21（万方平台首次上网日期，不代表论文的发表时间）

页码：1469-1472,1478