基于ELM学习算法的混沌时间序列预测

摘要

混沌时间序列预测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具有很好的优势。本文中,作者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,来进行混沌时间序列问题的预测,仿真结果表明ELM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。且极端学习机激活函数的选择具有问题依赖性。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号