ESN岭回归学习算法及混沌时间序列预测  

Ridge regression learning in ESN for chaotic time series prediction

作　　者：史志伟[1] 韩敏[1] 

机构地区：[1]大连理工大学电子与信息工程学院,辽宁大连116024

出　　处：《控制与决策》2007年第3期258-261,267,共5页Control and Decision

基　　金：国家自然科学基金项目(60674073;60374064)

摘　　要：ESN(回声状态网络)是一种新型的递归神经网络,可有效处理非线性系统辨识以及混沌时间序列预测问题.针对ESN学习算法中可能存在的解的奇异问题,利用岭回归方法代替原有的线性回归算法.通过贝叶斯或Bootstrap方法确定岭回归方法中的正则项系数,从而有效地控制输出权值的幅值,改善ESN的预测性能.该方法在月太阳黑子预测问题中显示出较好的结果.As a new type of recurrent neural network, echo state network （ESN） is applied to nonlinear system identification and chaotic time series prediction. A technique is proposed to improve the properties of ESN solution, which performs ridge regression in the reservoir state space instead of the previous linear regression. In addition, the ridge regression parameter is systematically determined by Bayesian method or Bootstrap method. The prediction results for monthly sunspots time series show a satisfying performance.

关 键 词：回声状态网络 岭回归 混沌时间序列预测 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程]