基于Cholesky分解的增量式RELM及其在时间序列预测中的应用
Incremental regularized extreme learning machine based on Cholesky factorization and its application to time series prediction作者机构：第二炮兵工程学院自动控制工程系西安710025
出 版 物：《物理学报》 (Acta Physica Sinica)
年 卷 期：2011年第60卷第11期
页 面：1-6页
核心收录：
学科分类：02[经济学] 0202[经济学-应用经济学] 020208[经济学-统计学] 07[理学] 0714[理学-统计学（可授理学、经济学学位）] 070103[理学-概率论与数理统计] 0701[理学-数学]
摘 要：针对应用于混沌时间序列预测的正则极端学习机(RELM)网络结构设计问题,提出一种基于Cholesky分解的增量式RELM训练算法.该算法通过逐次增加隐层神经元的方式自动确定最佳的RELM网络结构,并以Cholesky分解方式计算其输出权值,有效减小了隐层神经元递增过程的计算代价.混沌时间序列预测实例表明,该算法可有效实现最佳RELM网络结构的自动确定,且计算效率高.利用该算法训练后的RELM预测模型具有预测精度高的优点,适用于混沌时间序列预测.
维普期刊数据库
同方期刊数据库