回声状态网络LM算法及混沌时间序列预测
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.
回声状态网络、储备池、LM算法、时间序列预测
26
TP183(自动化基础理论)
国家自然科学基金61074096;国家科技支撑计划项目2006BAB14B05
2012-04-21(万方平台首次上网日期,不代表论文的发表时间)
1469-1472,1478