|本期目录/Table of Contents|

[1]李 彬,李贻斌.基于ELM学习算法的混沌时间序列预测[J].天津大学学报(自然科学版),2011,(08):701-704.
 LI Bin,LI Yi-bin.Chaotic Time Series Prediction Based on ELM Learning Algorithm[J].Journal of Tianjin University,2011,(08):701-704.
点击复制

基于ELM学习算法的混沌时间序列预测()
分享到:

《天津大学学报(自然科学版)》[ISSN:0493-2137/CN:12-1127/N]

卷:
期数:
2011年08
页码:
701-704
栏目:
电气与自动化工程
出版日期:
2011-08-15

文章信息/Info

Title:
Chaotic Time Series Prediction Based on ELM Learning Algorithm
作者:
李 彬12李贻斌1
1. 山东大学控制科学与工程学院,济南 250061;2. 山东轻工业学院数理学院,济南 250353
Author(s):
LI Bin 1 2LI Yi-bin 1
1. School of Control Science and Engineering,Shandong University,Jinan 250061,China; 2. College of Mathematical and Physical Sciences,Shandong Institute of Light Industry,Jinan 250353,China
关键词:
混沌时间序列极端学习机激活函数预测
Keywords:
chaotic time seriesextreme learning machineactivation functionprediction
文献标志码:
A
摘要:
混沌时间序列预测问题是信号处理和自动控制领域中一个重要的研究方向,神经网络学习算法在处理这种高复杂性、强非线性的时间序列时具有很好的优势. 应用一种具有良好性能的单隐层前向神经网络学习算法——极端学习机(ELM)学习算法,进行混沌时间序列问题的预测. 与资源分配网络(RAN)学习算法相比,仿真结果表明ELM学习算法在具有较快学习速度的前提下,能够获得较好的预测性能,且ELM学习算法激活函数的选择具有问题依赖性. 
Abstract:
The chaotic time series prediction is an important research orientationin signal processing and automatic control areas. The neural network learning algorithms show a significant advantage in solving high complex and strong nonlinear problems. A good learning algorithm for feedforward neural networks named extreme learning ma-chine(ELM)was applied to chaotic time series prediction. Compared with resource allocating network(RAN)learning algorithm,the simulation results show that ELM learning algorithm can achieve satisfactory prediction performance with a fast learning speed. And the choice of the activation functions of ELM learning algorithm is data set dependent.

相似文献/References:

[1]罗震,李青松,单平,等.基于Lyapunov指数的电阻点焊声音混沌时间序列识别[J].天津大学学报(自然科学版),2007,(06):752.
[2]侯越先,何丕廉,王雷.适用于高必要嵌入维的混沌时间序列预测算法[J].天津大学学报(自然科学版),1999,(05):0.

备注/Memo

备注/Memo:
通讯作者:李 彬,ribbenlee@126.com.
更新日期/Last Update: