首页 | 本学科首页   官方微博 | 高级检索  
     

基于扩展卡尔曼滤波的回声状态网络在线训练算法
引用本文:王建民,彭宇,彭喜元,王红.基于扩展卡尔曼滤波的回声状态网络在线训练算法[J].仪器仪表学报,2011,32(7).
作者姓名:王建民  彭宇  彭喜元  王红
作者单位:哈尔滨工业大学自动化测试与控制研究所 哈尔滨150001
基金项目:教育部新世纪优秀人才支持计划(No.NCET-10-0062);教育部高等学校博士学科点专项科研基金(No.20092302110013); 装备预研重点基金(No.9140A17040409HT01)资助
摘    要:针对在线应用中回声状态网络(echo state network,ESN)的储备池适应性和训练算法效率问题,文中提出一种基于扩展卡尔曼滤波(extended kalman filter,EKF)的ESN在线训练算法。该算法以ESN的储备池参数以及输出连接权矩阵为目标参数,利用EKF对其进行联合训练提高储备池适应性,并能够有效地克服交叉验证参数选择导致的ESN训练效率下降问题。Lorenz混沌时间序列以及移动通信话务量时间序列预测实验证明,新方法可显著提升ESN算法的总体计算效率。

关 键 词:时间序列预测  递归神经网络  回声状态网络  扩展卡尔曼滤波  

An on-line training algorithm for echo state networks with extended kalman filter
Wang Jianmin,Peng Yu,Peng Xiyuan,Wang Hong.An on-line training algorithm for echo state networks with extended kalman filter[J].Chinese Journal of Scientific Instrument,2011,32(7).
Authors:Wang Jianmin  Peng Yu  Peng Xiyuan  Wang Hong
Affiliation:Wang Jianmin,Peng Yu,Peng Xiyuan,Wang Hong (Institute of Automatic Test and Control Institute,Harbin Institute of Technology,Harbin 150001,China)
Abstract:A novel on-line training algorithm base on Extended Kalman Filter(EKF) is proposed for the adaptation of reservoir and training efficiencies Echo State Network(ESN).The output weight-matrix and parameters of reservoir are selected as objective parameters and trained simultaneously by EKF.The adaptive property of reservior is improved by simultaneously training the objective parameters,which also can overcome the poor training efficiencies resulted from cross validation for parameter selection.The simulation...
Keywords:time series prediction  recurrent neural network  echo state network  extended kalman filter  
本文献已被 CNKI 万方数据 等数据库收录!
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号