一种基于L1范数正则化的回声状态网络
针对回声状态网络存在的病态解以及模型规模控制问题,本文提出一种基于L1范数正则化的改进回声状态网络。该方法通过在目标函数中添加L1范数惩罚项,提高模型求解的数值稳定性,同时借助于L1范数正则化的特征选择能力,控制网络的复杂程度,防止出现过拟合。对于L1范数正则化的求解,采用最小角回归算法计算正则化路径,通过贝叶斯信息准则进行模型选择,避免估计正则化参数。将模型应用于人造数据和实际数据的时间序列预测中,仿真结果证明了本文方法的有效性和实用性。
回声状态网络、正则化、最小角回归、信息准则、多元时间序列
O29;O1
国家重点基础研究发展计划973计划2013CB430403;国家自然科学基金61374154资助@@@@Supported by National Basic Research Program of China 973 Program2013CB430403;National Natural Science Foun-dation of China61374154
2014-12-18(万方平台首次上网日期,不代表论文的发表时间)
共8页
2428-2435