王新迎
- 作品数：8 被引量：86H指数：5
- 供职机构：大连理工大学更多>>
- 发文基金：国家自然科学基金国家重点基础研究发展计划国家科技支撑计划更多>>
- 相关领域：自动化与计算机技术理学电子电信更多>>
- 基于随机映射神经网络的多元时间序列预测方法研究
- 多元时间序列广泛存在于自然、工业、经济、能源和社会等领域的实际复杂系统之中。研究如何有效地从这些时间序列中挖掘出潜在的有用知识、构建预测模型，不仅有利于理解与认识实际复杂系统，而且能够为相应的控制、决策和调控提供理论支持...
- 王新迎
- 关键词：多元时间序列极端学习机回声状态网络
- 多元时间序列的子空间回声状态网络预测模型被引量：15
- 2014年
- 针对采用回声状态网络预测多元混沌时间序列时储备池学习算法可能存在的病态解问题,该文提出了一种基于快速子空间分解方法的回声状态网络预测模型.所提模型利用Krylov子空间分解方法提取储备池状态矩阵的子空间,子空间代替原状态矩阵进行输出权值求解,可以消除储备池状态矩阵的冗余信息,有效地解决伪逆算法存在的病态解问题,并且降低计算复杂度,提高泛化性能和预测精度.基于两组多元混沌时间序列的仿真结果验证了该文所提模型的有效性和实用性.
- 韩敏许美玲王新迎
- 关键词：回声状态网络多元时间序列
- 含噪混沌时间序列预测误差分析被引量：6
- 2013年
- 对于含噪混沌时间序列预测问题,传统方法存在较大的经验性,对预测误差的构成分析不足,因而忽略了混沌动态重建与预测模型建立之间的差异性.本文将实际预测误差分解为预测器偏差和输入扰动误差,并对整体最小二乘和正则化两种全局预测方法进行分析比较,进而说明整体最小二乘适用于混沌动态的重建,对预测器偏差影响较大,而正则化方法能够改善预测器敏感性,对输入扰动误差影响较大.通过两个仿真实例,展示了混沌动态重建与预测模型建立之间的差异,在对比最小二乘和正则化方法的同时验证了实际预测误差受预测器偏差和输入扰动误差共同作用.并指出,在实际操作时应在二者间寻求平衡,以便使模型预测精度达到最优.
- 王新迎韩敏王亚楠
- 关键词：混沌时间序列预测噪声整体最小二乘正则化
- 多元混沌时间序列的多核极端学习机建模预测被引量：19
- 2015年
- 多元混沌时间序列广泛存在于自然、经济、社会、工业等领域.对多元混沌时间序列进行建模预测有助于人类更好地管理,控制与决策.针对多元混沌时间序列的建模预测问题,本文提出一种基于多核极端学习机的预测方法.首先对多元混沌时间序列进行相空间重构,将多元混沌时间序列序列的时间相关性转化为空间相关性.提出一种结合多核学习算法与核极端学习机模型的多核极端学习机建立相空间中输入输出数据的非线性映射.多核极端学习机模型结合了多核学习算法的数据融合能力以及核极端学习机的训练简便优势.基于Lorenz混沌时间序列预测和San Francisco河流月径流量预测的仿真实验表明,与其他常见混沌时间序列预测方法相比,本文提出的基于多核极端学习机的多元混沌时间序列预测方法具有更小的预测误差.
- 王新迎韩敏
- 关键词：混沌时间序列神经网络核方法
- 一种有效的储备池在线稀疏学习算法被引量：4
- 2011年
- 为克服传统储备池方法缺乏良好在线学习算法的问题,同时考虑到储备池本身存在的不适定问题,本文提出一种储备池在线稀疏学习算法,对储备池目标函数施加L1正则化约束,并采用截断梯度算法在线近似求解.所提算法在对储备池输出权值进行在线调整的同时,可对储备池输出权值的稀疏性进行有效控制,有效保证了网络的泛化性能.理论分析和仿真实例证明所提算法的有效性.
- 韩敏王新迎
- 关键词：递归网络回声状态网络
- 基于信赖域Newton算法的ELM网络被引量：3
- 2011年
- 针对极端学习机(ELM)网络伪逆输出权值计算方法的运算复杂度制约其训练速度问题,提出一种基于信赖域Newton算法的新型ELM网络(TRON-ELM),并采用信赖域Newton算法求解ELM网络的输出权值.该算法首先构造一个ELM网络代价函数的Newton方程,并将其作为一个无约束优化问题,采用共轭梯度法求解,避免了求代价函数Hessian矩阵逆的运算,提高了训练速度,信赖域条件的存在保证了算法的整体收敛性.仿真实验结果验证了所提出方法的有效性.
- 韩敏王新迎
- 关键词：极端学习机共轭梯度法
- 基于极端学习机的多变量混沌时间序列预测被引量：29
- 2012年
- 针对多变量混沌时间序列预测问题,提出了一种基于输入变量选择和极端学习机的预测模型.其基本思想是对多变量混沌时间序列进行相空间重构后,采用互信息方法选择与预测输出统计相关最高的重构输入变量,借助极端学习机的通用逼近能力建立多变量混沌时间序列的预测模型.为进一步提高预测精度,采用模型选择算法选择具有最小期望风险的极端学习机预测模型.基于Lorenz,R(o|¨)ssler多变量混沌时间序列及R(o|¨)ssler超混沌时间序列的仿真结果证明所提方法的有效性.
- 王新迎韩敏
- 关键词：混沌时间序列预测极端学习机
- 多元混沌时间序列的加权极端学习机预测被引量：13
- 2013年
- 针对多元混沌时间序列具有强非线性,难以建立数学模型进行准确预测的问题,本文提出一种加权极端学习机预测算法.首先对多元混沌时间序列进行相空间重构,并根据相空间中输入数据对预测误差的影响施加不同的权重.然后,提出一种支持向量极端学习机预测模型,具有支持向量机的核映射表达能力以及极端学习机的一步快速训练能力,因此训练简便且具有较好的泛化性能.所提算法具有和训练样本三次方成正比的计算复杂度,因此适用于102?103样本规模的平稳时间序列.基于Lorenz混沌时间序列和年太阳黑子和黄河年径流混沌时间序列预测的仿真结果证明所提算法的有效性.
- 韩敏王新迎
- 关键词：时间序列极端学习机支持向量机样本加权
