本文針對(duì)基于核的增量超限學(xué)習(xí)機(jī)（kernel based incremental extreme learning machine,KB-IELM）對(duì)非平穩(wěn)動(dòng)態(tài)系統(tǒng)的時(shí)變狀態(tài)跟蹤能力不足的問(wèn)題,提出一種新型的狀態(tài)預(yù)測(cè)方法。通過(guò)融合遺忘因子和自適應(yīng)時(shí)變正則化因子構(gòu)建新的目標(biāo)函數(shù)。通過(guò)最小化字典的快速留一交叉驗(yàn)證（fast leave-one-out cross-validation,FLOO-CV）誤差,選擇具有預(yù)定規(guī)模的關(guān)鍵節(jié)點(diǎn)以構(gòu)成字典。通過(guò)融合遺忘因子,為字典中各關(guān)鍵節(jié)點(diǎn)按時(shí)間順序分配不同權(quán)重�；贔LOO-CV原則,使用天牛須搜索（beetle antennae search,BAS）算法為不同的非線(xiàn)性區(qū)域賦予不同的正則化參數(shù)。通過(guò)矩陣初等變換和分塊求逆,實(shí)現(xiàn)核權(quán)重向量的在線(xiàn)遞推更新。將模型應(yīng)用于非平穩(wěn)Mackey-Glass混沌時(shí)間序列預(yù)測(cè)和某型飛機(jī)發(fā)動(dòng)機(jī)的狀態(tài)預(yù)測(cè)。所提算法相比于最新的非平穩(wěn)在線(xiàn)序列核超限學(xué)習(xí)機(jī)（non-stationary online sequential kernel extreme learning machine,NOS-KELM）和融合自適應(yīng)正則化... 

【文章來(lái)源】：系統(tǒng)工程與電子技術(shù). 2020,42(09)北大核心EICSCD

【文章頁(yè)數(shù)】：11 頁(yè)

【參考文獻(xiàn)】：
期刊論文
[1]一種基于改進(jìn)KELM的在線(xiàn)狀態(tài)預(yù)測(cè)方法[J]. 朱敏,許愛(ài)強(qiáng),陳強(qiáng)強(qiáng),李睿峰.  北京航空航天大學(xué)學(xué)報(bào). 2019(07)
[2]基于M-estimator與可變遺忘因子的在線(xiàn)貫序超限學(xué)習(xí)機(jī)[J]. 郭威,徐濤,于建江,湯克明.  電子與信息學(xué)報(bào). 2018(06)
[3]一種基于積累一致性測(cè)量的在線(xiàn)狀態(tài)預(yù)測(cè)算法[J]. 張偉,許愛(ài)強(qiáng),高明哲.  上海交通大學(xué)學(xué)報(bào). 2017(11)
[4]基于稀疏核增量超限學(xué)習(xí)機(jī)的機(jī)載設(shè)備在線(xiàn)狀態(tài)預(yù)測(cè)[J]. 張偉,許愛(ài)強(qiáng),高明哲.  北京航空航天大學(xué)學(xué)報(bào). 2017(10)
[5]基于快速留一交叉驗(yàn)證的核極限學(xué)習(xí)機(jī)在線(xiàn)建模[J]. 張英堂,馬超,李志寧,范紅波.  上海交通大學(xué)學(xué)報(bào). 2014(05)



本文編號(hào)：3261129