控制与决策

作者：杨刚,陈鹏,戴丽珍,杨辉

单位：1. 华东交通大学 电气与自动化工程学院,南昌 330013;2. 江西省先进控制与优化重点实验室,南昌 330013,,1. 华东交通大学 电气与自动化工程学院,南昌 330013;2. 江西省先进控制与优化重点实验室,南昌 330013,,1. 华东交通大学 电气与自动化工程学院,南昌 330013;2. 江西省先进控制与优化重点实验室,南昌 330013,,1. 华东交通大学 电气与自动化工程学院,南昌 330013;2. 江西省先进控制与优化重点实验室,南昌 330013,

关键词：宽度学习;回声状态网络;时间序列预测;增量学习;池计算

基金：国家自然科学基金项目(61663012,61673172,61733005).

宽度学习系统(BLS)是一种基于RVFLN的高效增量学习系统,具有快速且精度高的特点.为了实现BLS对时间序列的精确预测,结合回声状态网络(ESN)的储备池结构,提出一种基于池计算的宽度学习系统(RCBLS).该系统通过在强化层引入简单环型储备池连接,以并行的储备池代替原系统中的前馈连接,使RCBLS具有一定的回声状态特性且方便设计.同时,应用增量学习保证了系统的实时性能.基于MSO时间序列预测问题,针对不同规模数据样本分别研究不同储备池结构RCBLS的性能.结果表明:多储备池结构的RCBLS大大提高了模型的泛化能力和稳定性.

来源：2021年第9期

《控制与决策》期刊编辑部

查看控制与决策杂志2021年第9期