文献类型：期刊文章

作　　者：张各各[1,2] 徐珍[3] 曾波[1,2] 陈祥涛[2]

机构地区：[1]河南科技大学网络与通信技术研究所,河南洛阳471023 [2]河南科技大学网络信息中心,河南洛阳471023 [3]河南科技大学数学与统计学院,河南洛阳471023

出　　处：《工程科学与技术》

基　　金：国家自然科学基金资助项目(11501067);赛尔网络下一代互联网技术创新项目资助(NGII20150508)

年　　份：2017

卷　　号：49

期　　号：6

起止页码：129-134

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CAS、CSCD、CSCD2017_2018、EI、IC、JST、MR、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：回声状态网络(ESN)是一种重要的时间序列预测方法,但在训练数据存在噪声或野点情况下,ESN将会出现过拟合问题。针对该问题,提出基于平滑消边绝对偏离罚函数的回声状态网络(SCAD-ESN)模型。不同于在模型中加入岭回归、L1范数罚函数及小波降噪等常规方法,该模型利用SCAD罚函数对变量进行选择,将小变量置为零以满足变量稀疏性,将大变量直接置为常数,从而能够很好地解决ESN过拟合问题并满足近似无偏估计。对于SCAD罚函数的非凸函数优化问题,提出基于局部二次近似(LQA)的求解方法,将最小角回归(LQR)方法用于SCAD罚函数求解,避免了计算量巨大的问题。使用基于粒子群优化(PSO)的超参数选取方法快速确定平滑消边绝对偏离–回声状态网络模型的超参数,克服利用经验选取超参数时存在的盲目性较大且难以确定整体最优的超参数问题。混沌系统数值仿真和网络流量仿真结果表明,相对于常规模型,该模型能有效地降低测试误差,从而克服过拟合问题。

关 键 词：混沌时间序列预测 回声状态网络 平滑消边绝对偏离罚函数  粒子群算法

分 类 号：TP18]