• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>Water Event, 2005 >Prediction of Chaotic Time Series Using LS-SVM with Automatic Parameter Selection
【24h】

Prediction of Chaotic Time Series Using LS-SVM with Automatic Parameter Selection

机译：带有自动参数选择的LS-SVM预测混沌时间序列

获取原文
获取原文并翻译 | 示例
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Least squares support vector machine (LS-SVM) combined with genetic algorithm (GA) is used to predict chaotic time series. The LS-SVM can overcome some shortcoming in the multilayer perceptron and the GA is used to tune the LS-SVM parameters automatically. A benchmark problem, Hénon map time series, has been used as an example for demonstration. It is showed this approach can escape from the blindness of man-made choice of the LS-SVM parameters. It enhances the efficiency and the capability of prediction. Further, the GA is compared with cross-validation method for tuning LS-SVM parameters. The results reveal that the GA can obtain lower prediction errors than the k-folds cross validation method.
机译：结合遗传算法（GA）的最小二乘支持向量机（LS-SVM）来预测混沌时间序列。 LS-SVM可以克服多层感知器中的一些缺点，并且可以使用GA自动调整LS-SVM参数。一个基准问题，即Hénon地图时间序列，已作为示例进行了演示。结果表明，该方法可以摆脱人为选择LS-SVM参数的盲目性。它提高了效率和预测能力。此外，将遗传算法与交叉验证方法进行比较以调整LS-SVM参数。结果表明，遗传算法可以获得比k折交叉验证方法更低的预测误差。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 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