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

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.

关键词：混沌时间序列、时间序列预测、神经网络、极端学习机

所属期刊栏目：60

分类号：TP183(自动化基础理论)

资助基金：国防科技预研基金51309060302

在线出版日期：2012-04-21（万方平台首次上网日期，不代表论文的发表时间）

页码：68-74