文献类型：期刊文章

作　　者：张弦[1] 王宏力[1]

机构地区：[1]第二炮兵工程学院自动控制工程系,西安710025

出　　处：《物理学报》

基　　金：国防科技预研基金(批准号:51309060302)资助的课题~~

年　　份：2011

卷　　号：60

期　　号：8

起止页码：68-74

语　　种：中文

收录情况：BDHX、BDHX2008、CAS、CSCD、CSCD2011_2012、EI、IC、INSPEC、JST、RCCSE、SCI-EXPANDED(收录号：WOS:000294392400012)、SCIE、SCOPUS、WOS、ZGKJHX、ZMATH、核心刊

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

分 类 号：TP183]