具有选择与遗忘机制的极端学习机在时间序列预测中的应用

• 作者: 张弦 王宏力
• 来源期刊: 物理学报
• 学科: 工学
• 关键词: 混沌时间序列 时间序列预测 神经网络 极端学习机
• 年，卷（期）: 2011,（8）
• 页码范围: 68-74
• 分类号: TP183
• 语种: 中文

摘要

针对训练样本贯序输入时的极端学习机（ELM）训练问题,提出一种具有选择与遗忘机制的极端学习机（SF-ELM）,并研究了其在混沌时间序列预测中的应用.SF-ELM以逐次增加新训练样本的方式实现在线训练,通过引入遗忘因子以减弱旧训练样本的影响,同时以泛化能力为判断依据,对其输出权值进行选择性递推更新.混沌时间序列在线预测实例表明,SF-ELM是一种有效的ELM在线训练模式.相比于在线贯序极端学习机,SF-ELM具有更快的在线训练速度和更高的在线预测精度,因此更适于混沌时间序列在线预测.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张弦	第二炮兵工程学院自动控制工程系	22	319	12.0	17.0
2	王宏力	第二炮兵工程学院自动控制工程系	112	961	15.0	24.0