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.pdfVIP

物理学报 Acta Phys． Sin． Vol． 60 ，No． 8 (2011) 080504 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*  张 弦 王宏力 ( ， 7 10025 ) 第二炮兵工程学院自动控制工程系 西安 (20 10 10 29 ;20 11 2 23 ) 年 月 日收到 年 月 日收到修改稿 (ELM) ， (SF- 针对训练样本贯序输入时的极端学习机 训练问题 提出一种具有选择与遗忘机制的极端学习机 ELM)， ． SF-ELM ， 并研究了其在混沌时间序列预测中的应用 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 ，SF-ELM ELM ． ，SF-ELM 间序列在线预测实例表明 是一种有效的 在线训练模式 相比于在线贯序极端学习机 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 : ， ， ， 关键词 混沌时间序列 时间序列预测 神经网络 极端学习机 PACS :05 ． 45 ． Ac ，05 ． 45 ． Tp 次迭代调整才可最终确定网络权值，ELM 的训 ． ELM 1. 引 言 练速度获得了显著提升 这一优势使得 已 在模式识别与回归估计等问题中获 得了成 混沌时间序列是由非线性确定性系统产生的 功应用［15 — 19］． 文献 ［15］为解决 ELM 的在线训练 ， (on -line 一种介于确定性与随机性之间的非线性动力学现 问题 提出了一种在线贯序极端学习机 ． 、 ， sequential extreme learning machine ， OS- 象 它是有序与无序 确定性与随机性的中间态