基于正弦分布输入环形回声状态网络的时间序列预测
伦淑娴
张澳
渤海大学 控制科学与工程学院,辽宁 锦州 121013
摘要：回声状态网络(ESN)是一种相对较新的递归神经网络,在混沌时间序列的数据预测中显示出良好的前景.然而,回声状态网络的连接和权值结构是随机生成的,这可能会使得储备池在执行任务的过程中不是最优的,同时,输入权重矩阵可能在随机初始化过程中存在较大波动.为此,设计了一种具有确定性储备池结构、输入权重矩阵具有自相关性的回声状态网络,称为正弦-环形回声状态网络(SCESN).为了保证储备池的稀疏连通性,回声状态网络对输入权重矩阵采用正弦分布,使得输入权重具有自相关性,同时,在储备池的结构上,采用NW(Newmon-Watts)小世界网络结构.通过对多个数据集的预测,并与传统的回声状态网络的预测结果进行比较,结果表明,SCESN的预测结果优于传统的回声状态网络,网络复杂度低于回声状态网络.
关键词：回声状态网络储备池混沌时间序列预测网络拓扑结构设计
分类号：TP18(自动化基础理论)
资助基金：国家自然科学基金(62473061)国家自然科学基金(61773074)
论文发表日期：2025-09-15
在线出版日期：2025-12-22（本平台首次上网日期，不代表文献的发表时间）
页数：10( 231-240 )
英文信息