基于Adaboost算法的回声状态网络预报器

• 作者: 穆大芸 韩敏
• 来源期刊: 控制理论与应用
• 学科: 工学
• 关键词: ESN Adaboost.RT算法 非线性时间序列 预测
• 年，卷（期）: 2011,（4）
• 所属期刊栏目: 短文
• 页码范围: 601-604
• 分类号: TP273
• 字数: 3469字
• 语种: 中文

摘要

把单个回声状态网络(echo state network,ESN)的预测模型作改进,对整体ESN预测精度的提高是有限的.针对以上问题,本文考虑整体ESN.首先利用Adaboost算法提升单个ESN的泛化性能及预测精度,并且根据Adaboost算法的结果,建立一种ESN预报器(Adaboost ESN,ABESN).这个ESN预报器根据拟合误差不断修正训练样本的权重,拟合误差越大,训练样本权重值就越大;因此,它在下一次迭代时,就会侧重在难以学习的样本.把单个ESN的预测模型经过加权,然后按照加法组合在一起,形成最终的ESN预测模型.将该预测模型应用于太阳黑子、Mackey-Glass时间序列的预测研究.仿真结果表明所提出的预测模型在实际时间序列预测领域的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	韩敏	大连理工大学电子信息与电气工程学部	200	2311	23.0	33.0
2	穆大芸	大连理工大学电子信息与电气工程学部	4	79	4.0	4.0