改进在线极端学习机算法在太阳黑子预测中的应用
单隐层前向神经网络是一种具有简单网络结构、良好逼近性能的神经网络,基于单隐层前向神经网络的在线学习算法具有良好的实时学习能力,可以较好的适用于在线环境的学习和应用。在空间环境预报中,太阳黑子的预测是一个重要的内容,针对太阳黑子的强非线性特征和中长期较难预测的问题,本文利用具有良好逼近性能和泛化能力的、改进的在线极端学习机算法应用于太阳黑子混沌时间序列预测,计算机仿真结果表明,基于Givens QR分解正交最小二乘的改进算法能够在避免神经网络隐层输出矩阵奇异的前提下,获得较好的网络性能,从而为太阳黑子混沌时间序列空间环境预测提供了一种较好的快速、实时在线学习算法。
在线学习 极端学习机 太阳黑子 混沌时间序列预测
李彬 荣学文
山东轻工业学院理学院,济南250353;山东大学控制科学与工程学院,济南250061 山东大学控制科学与工程学院,济南250061
国际会议
the 25th Chinese Control and Decision Conference(第25届中国控制与决策会议)
贵阳
英文
660-664
2013-05-01(万方平台首次上网日期,不代表论文的发表时间)