搜索

文章查询

x

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于Cholesky分解的增量式RELM及其在时间序列预测中的应用

张弦 王宏力

基于Cholesky分解的增量式RELM及其在时间序列预测中的应用

张弦, 王宏力
PDF
导出引用
导出核心图
  • 针对应用于混沌时间序列预测的正则极端学习机(RELM)网络结构设计问题,提出一种基于Cholesky分解的增量式RELM训练算法.该算法通过逐次增加隐层神经元的方式自动确定最佳的RELM网络结构,并以Cholesky分解方式计算其输出权值,有效减小了隐层神经元递增过程的计算代价.混沌时间序列预测实例表明,该算法可有效实现最佳RELM网络结构的自动确定,且计算效率高.利用该算法训练后的RELM预测模型具有预测精度高的优点,适用于混沌时间序列预测.
    [1]

    Muhammad A F, Zolfaghari S 2010 Neurocomputing 73 2540

    [2]

    Vairappan C, Tamura H, Gao S C 2009 Neurocomputing 72 1870

    [3]
    [4]
    [5]

    Han M, Wang Y 2009 Expert. Syst. Appl. 36 1280

    [6]

    Lee C C, Chiang Y C, Shih C Y, Tsai C L 2009 Expert. Syst. Appl. 36 4717

    [7]
    [8]

    Mirzaee H 2009 Chaos Soliton Fract. 41 2681

    [9]
    [10]
    [11]

    Hanias M P, Karras D A 2009 ENG Appl. Artif. Intel. 22 32

    [12]
    [13]

    Xiu C B, Xu M 2010 Acta Phys. Sin. 59 7650(in Chinese)[修春波、徐 勐 2010 物理学报 59 7650]

    [14]
    [15]

    Ma Q L, Zheng Q L, Peng H, Qin J W 2009 Acta Phys. Sin. 58 1410(in Chinese) [马千里、郑启伦、彭 宏、覃姜维 2009 物理学报 58 1410]

    [16]
    [17]

    Zhang J F, Hu S S 2007 Acta Phys. Sin. 56 713(in Chinese)[张军峰、胡寿松 2007 物理学报 56 713]

    [18]

    Li J, Liu J H 2005 Acta Phys. Sin. 54 4569(in Chinese)[李 军、刘君华 2005 物理学报 54 4569]

    [19]
    [20]

    Huang G B, Zhu Q Y, Siew C K 2006 Neurocomputing 70 489

    [21]
    [22]

    Feng G, Huang G B, Lin Q P, Gay R 2009 IEEE Neural 20 1352

    [23]
    [24]
    [25]

    Huang G B, Chen L 2008 Neurocomputing 71 3460

    [26]

    Liu N, Wang H 2010 IEEE Signal Pro. Let. 17 754

    [27]
    [28]
    [29]

    Lan Y, Soh C Y, Huang G B 2010 Neurocomputing 73 3191

    [30]

    Malathi V, Marimuthu N S, Baskar S 2010 Neurocomputing 73 2160

    [31]
    [32]
    [33]

    Deng W Y, Zheng Q H, Chen L, Xu X B 2010 Chin. J. Comp. 33 279 (in Chinese)[邓万宇、郑庆华、陈 琳、许学斌 2010 计算机学报 33 279]

    [34]

    Zhang X D 2005 Matrix Analysis and Applications (Beijing: Tsinghua University Press) p64 (in Chinese) [张贤达 2005 矩阵分析与应用(北京: 清华大学出版社) 第64页]

    [35]
  • [1]

    Muhammad A F, Zolfaghari S 2010 Neurocomputing 73 2540

    [2]

    Vairappan C, Tamura H, Gao S C 2009 Neurocomputing 72 1870

    [3]
    [4]
    [5]

    Han M, Wang Y 2009 Expert. Syst. Appl. 36 1280

    [6]

    Lee C C, Chiang Y C, Shih C Y, Tsai C L 2009 Expert. Syst. Appl. 36 4717

    [7]
    [8]

    Mirzaee H 2009 Chaos Soliton Fract. 41 2681

    [9]
    [10]
    [11]

    Hanias M P, Karras D A 2009 ENG Appl. Artif. Intel. 22 32

    [12]
    [13]

    Xiu C B, Xu M 2010 Acta Phys. Sin. 59 7650(in Chinese)[修春波、徐 勐 2010 物理学报 59 7650]

    [14]
    [15]

    Ma Q L, Zheng Q L, Peng H, Qin J W 2009 Acta Phys. Sin. 58 1410(in Chinese) [马千里、郑启伦、彭 宏、覃姜维 2009 物理学报 58 1410]

    [16]
    [17]

    Zhang J F, Hu S S 2007 Acta Phys. Sin. 56 713(in Chinese)[张军峰、胡寿松 2007 物理学报 56 713]

    [18]

    Li J, Liu J H 2005 Acta Phys. Sin. 54 4569(in Chinese)[李 军、刘君华 2005 物理学报 54 4569]

    [19]
    [20]

    Huang G B, Zhu Q Y, Siew C K 2006 Neurocomputing 70 489

    [21]
    [22]

    Feng G, Huang G B, Lin Q P, Gay R 2009 IEEE Neural 20 1352

    [23]
    [24]
    [25]

    Huang G B, Chen L 2008 Neurocomputing 71 3460

    [26]

    Liu N, Wang H 2010 IEEE Signal Pro. Let. 17 754

    [27]
    [28]
    [29]

    Lan Y, Soh C Y, Huang G B 2010 Neurocomputing 73 3191

    [30]

    Malathi V, Marimuthu N S, Baskar S 2010 Neurocomputing 73 2160

    [31]
    [32]
    [33]

    Deng W Y, Zheng Q H, Chen L, Xu X B 2010 Chin. J. Comp. 33 279 (in Chinese)[邓万宇、郑庆华、陈 琳、许学斌 2010 计算机学报 33 279]

    [34]

    Zhang X D 2005 Matrix Analysis and Applications (Beijing: Tsinghua University Press) p64 (in Chinese) [张贤达 2005 矩阵分析与应用(北京: 清华大学出版社) 第64页]

    [35]
  • [1] 张弦, 王宏力. 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. 物理学报, 2011, 60(8): 080504. doi: 10.7498/aps.60.080504
    [2] 沈力华, 陈吉红, 曾志刚, 金健. 基于鲁棒极端学习机的混沌时间序列建模预测. 物理学报, 2018, 67(3): 030501. doi: 10.7498/aps.67.20171887
    [3] 赵永平, 王康康. 具有增加删除机制的正则化极端学习机的混沌时间序列预测. 物理学报, 2013, 62(24): 240509. doi: 10.7498/aps.62.240509
    [4] 王新迎, 韩敏. 多元混沌时间序列的多核极端学习机建模预测. 物理学报, 2015, 64(7): 070504. doi: 10.7498/aps.64.070504
    [5] 王新迎, 韩敏. 基于极端学习机的多变量混沌时间序列预测. 物理学报, 2012, 61(8): 080507. doi: 10.7498/aps.61.080507
    [6] 王永生, 孙 瑾, 王昌金, 范洪达. 变参数混沌时间序列的神经网络预测研究. 物理学报, 2008, 57(10): 6120-6131. doi: 10.7498/aps.57.6120
    [7] 王耀南, 周少武, 刘祖润, 谭 文. 混沌时间序列的模糊神经网络预测. 物理学报, 2003, 52(4): 795-801. doi: 10.7498/aps.52.795
    [8] 魏德志, 陈福集, 郑小雪. 基于混沌理论和改进径向基函数神经网络的网络舆情预测方法. 物理学报, 2015, 64(11): 110503. doi: 10.7498/aps.64.110503
    [9] 李 军, 刘君华. 一种新型广义RBF神经网络在混沌时间序列预测中的研究. 物理学报, 2005, 54(10): 4569-4577. doi: 10.7498/aps.54.4569
    [10] 张军峰, 胡寿松. 基于一种新型聚类算法的RBF神经网络混沌时间序列预测. 物理学报, 2007, 56(2): 713-719. doi: 10.7498/aps.56.713
  • 引用本文:
    Citation:
计量
  • 文章访问数:  2350
  • PDF下载量:  1235
  • 被引次数: 0
出版历程
  • 收稿日期:  2011-01-11
  • 修回日期:  2011-02-23
  • 刊出日期:  2011-11-15

基于Cholesky分解的增量式RELM及其在时间序列预测中的应用

  • 1. 第二炮兵工程学院自动控制工程系,西安 710025

摘要: 针对应用于混沌时间序列预测的正则极端学习机(RELM)网络结构设计问题,提出一种基于Cholesky分解的增量式RELM训练算法.该算法通过逐次增加隐层神经元的方式自动确定最佳的RELM网络结构,并以Cholesky分解方式计算其输出权值,有效减小了隐层神经元递增过程的计算代价.混沌时间序列预测实例表明,该算法可有效实现最佳RELM网络结构的自动确定,且计算效率高.利用该算法训练后的RELM预测模型具有预测精度高的优点,适用于混沌时间序列预测.

English Abstract

参考文献 (35)

目录

    /

    返回文章
    返回