搜索

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
计量
  • 文章访问数:  3110
  • PDF下载量:  1241
  • 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