基于改进稀疏KELM的在线非平稳动态系统状态预测方法

• 作 者: 刘星 熊厚情 赵建印 朱敏
• 机 构: 海军航空大学,海军装备部,中国人民解放军91576部队
• 出 处: 系统工程与电子技术
• 发表日期: 2020年9期
• 关键词: 超限学习机 遗忘因子 自适应时变正则化因子 状态预测 extreme learning machine(ELM)forgetting factoradaptiv
• 基金项目: 国家自然科学基金(11802338)资助课题

本文针对基于核的增量超限学习机(kernel based incremental extreme learning machine,KB-IELM)对非平稳动态系统的时变状态跟踪能力不足的问题,提出一种新型的状态预测方法。通过融合遗忘因子和自适应时变正则化因子构建新的目标函数。通过最小化字典的快速留一交叉验证(fast leave-one-out cross-validation,FLOO-CV)误差,选择具有预定规模的关键节点以构成字典。通过融合遗忘因子,为字典中各关键节点按时间顺序分配不同权重。基于F