基于回声状态网络的时间序列预测方法研究

彭宇; 王建民; 彭喜元

您当前的位置：

首页 >

文章列表页 >

基于回声状态网络的时间序列预测方法研究

学术论文 | 更新时间：2025-07-08

- 基于回声状态网络的时间序列预测方法研究
- 暂无标题
- 电子学报 2010年第S1期页码：148-154
- 作者机构：
  
  1. 哈尔滨工业大学自动化测试与控制研究所
  2. 哈尔滨理工大学电子科学与技术系
- 作者简介：
- 基金信息：
  
  装备预研重点基金(No.9140A17040409HT01);教育部高等学校博士学科点专项科研基金 (No.20092302110013)
- DOI：
  中图分类号： TP183;O211.61
- 纸质出版：2010
- 稿件说明：
移动端阅览
彭宇, 王建民, 彭喜元. 基于回声状态网络的时间序列预测方法研究[J]. 电子学报, 2010,(S1):148-154.
彭宇, 王建民, 彭喜元. 基于回声状态网络的时间序列预测方法研究[J]. 电子学报, 2010,(S1):148-154. DOI：

DOI：

摘要

针对回声状态网络(Echo State Networks

ESNs)输入序列延迟时间(和嵌入维数D的选择以及储备池的适应性问题

利用自相关性分析法从被预测样本序列构建ESNs网络输入

并通过移动通信话务量的预测问题

采用实验分析的方法讨论了储备池参数选择对于时间序列预测性能的影响.与采用ARMA和BP神经网络的预测方法相比

新方法在保证预测精度和效率的情况下

具有更好的泛化能力.

Abstract

关键词

Keywords

references

史志伟,韩敏.ESN岭回归学习算法及混沌时间序列预测[J].控制与决策,2007(03).

韩敏,史志伟,郭伟.储备池状态空间重构与混沌时间序列预测[J].物理学报,2007(01).

混沌时间序列预测理论与方法[M].中国水利水电出版社,2007.

Reservoir computing approaches to recurrent neural network training[J].Computer Science Review,2009(3).

Benjamin Schrauwen,Marion Wardermann,David Verstraeten,Jochen J. Steil,Dirk Stroobandt.Improving reservoirs using intrinsic plasticity[J].Neurocomputing,2008(7).

Andreea Lazar,Gordon Pipa,Jochen Triesch.Fading memory and time series prediction in recurrent networks with different forms of plasticity[J].Neural Networks,2007(3).

Optimization and applications of echo state networks with leaky- integrator neurons[J].Neural Networks,2007(3).

Mustafa C. Ozturk,Dongming Xu,Jos&eacute, C. Pr&iacute,ncipe.Analysis and Design of Echo State Networks[J].Neural Computation,2007(1).

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于相应簇回声状态网络静态分类方法

一种基于时间序列的RFID供应链数据分析方法