具有广义正则化与遗忘机制的在线贯序超限学习机
CSTR:
作者:
作者单位:

(1. 南京航空航天大学计算机科学与技术学院,南京210016;2. 中国民航大学计算机科学与 技术学院,天津300300;3. 盐城师范学院信息工程学院,江苏盐城224002)

作者简介:

郭威(1983-), 男, 博士生, 从事数据挖掘、机器学习的研究;徐涛(1962-), 男, 教授, 博士生导师, 从事数据挖掘、智能信息处理等研究.

通讯作者:

E-mail: txu@cauc.edu.cn

中图分类号:

TP183

基金项目:

国家自然科学基金项目(61603326,61379064,61273106);国家科技支撑计划课题(2014BAJ04B02);中央高校基本科研业务费专项资金项目(3122014D032);中国民航信息技术科研基地开放课题(CAAC-ITRB-201401).


Online sequential extreme learning machine with generalized regularization and forgetting mechanism
Author:
Affiliation:

(1. School of Computer Science and Technology,Nanjing University of Aeronautics and Astronautics, Nanjing210016, China;2. School of Computer Science and Technology,Civil Aviation University of China,Tianjin300300,China;3. School of Information Engineering,Yancheng Teachers University,Yancheng224002,China)

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    针对非平稳时间序列预测问题,提出一种具有广义正则化与遗忘机制的在线贯序超限学习机算法.该算法以增量学习新样本的方式实现在线学习,以遗忘旧的失效样本的方式增强对非平稳系统的动态跟踪能力,并通过引入一种广义的$l_2$正则化使其具有持续的正则化功能,从而保证算法的持续稳定性.仿真实例表明,所提出算法具有较同类算法更好的稳定性和更小的预测误差,适用于具有动态变化特性的非平稳时间序列在线建模与预测.

    Abstract:

    To solve the prediction problem of nonstationary time series, this paper proposes an online sequential extreme learning machine with forgetting and generalized regularization(OSELM-FGR). The proposed OSELM-FGR is able to learn the newly arrived samples incrementally by a recursive fashion, and has the improved ability to track the dynamic behavior of time-varying systems by forgetting the outdated samples in the learning process. Moreover, a generalized $l_2 $ regularization is introduced into the OSELM-FGR to make the proposed algorithm have a persistent stability. Detailed performance comparisons of the OSELM-FGR with its counterparts are carried out. The experimental results show that, the proposed OSELM-FGR has better performance in the sense of stability and prediction accuracy, which can be applied to the online modeling and prediction of nonstationary time series with dynamic changes.

    参考文献
    相似文献
    引证文献
引用本文

郭威,徐涛,汤克明,等.具有广义正则化与遗忘机制的在线贯序超限学习机[J].控制与决策,2017,32(2):247-254

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2015-11-10
  • 最后修改日期:2015-11-10
  • 录用日期:
  • 在线发布日期: 2017-02-13
  • 出版日期:
文章二维码