基于图正则化自编码回声状态网络的时间序列分类算法
徐建1
王亮1
寇启龙1
方涛1
游丹1
周磊月1
罗勇2
1.国网洛阳供电公司,河南洛阳 4710002.郑州大学电气与信息工程学院,河南郑州 450001
摘要：回声状态网络(Echo State Network,ESN)能够为解决时间序列问题提供有效的动态解决方法,然而大多数情况下ESN模型主要用于预测而不是分类,ESN在时间序列分类任务的应用尚未得到充分的研究.传统ESN由于存在随机生成的输入权重,使得其性能并不能保证最优.随机生成的权重在特征映射时,可能会破坏有用的特征.针对这些缺点,提出了一种针对时间序列分类任务的基于图正则化自编码的回声状态网络模型(GRAE-ESN),利用流形学习考虑数据内在的流形结构,来约束输出权重使得相似样本的输出在新的空间中更加接近,之后将ESN结构中的输入权重用解码层获得的权重所替换,以学习到丰富的输入特征.在基准数据上的实验表明,所提出的GRAE方法能够有效的改进ESN分类器,在与多个主流算法和深度学习算法相比,该算法具有更好的性能和鲁棒性.
关键词：回声状态网络流形学习时间序列分类自编码网络
分类号：O235(控制论、信息论（数学理论）)
资助基金：国家自然科学基金(62173309)
论文发表日期：2024-10-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：8( 68-75 )
英文信息