买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国科学院光电技术研究所

摘要：本发明公开了一种基于回声状态网络优化的时间序列数据补全方法，包括：初始化回声状态网络；使用输入数据的前1000个点运行回声状态网络，以更新存储层的状态向量，得到一组存储层输出的训练信号；采用线性回归方法优化存储层与输出层之间的输出矩阵；预测输入数据的第1000‑1200个点的预测值，其中第1000‑1100个点缺失；将后100个预测值视为未缺失部分，计算第1100‑1200个点的预测值与实际数据之间的均方误差，基于所述均方误差调整回声状态网络的参数；通过调整后的回声状态网络，生成第1000‑1100个点的预测值。根据本发明，能够有效利用现有的时间序列数据，显著还原缺失的数据信息。

主权项：1.一种基于回声状态网络优化的时间序列数据补全方法，其特征在于，包括步骤：步骤1：初始化回声状态网络，包括初始化状态反馈权重与输入层到存储层的连接权重，以及输入层、存储层、输出层的大小；步骤2：使用输入数据的前1000个点运行回声状态网络，以更新存储层的状态向量，得到一组存储层输出的训练信号；步骤3：记网络的期望输出为，当输出层激活函数取单位激活函数时，采用线性回归方法优化存储层与输出层之间的输出矩阵，线性回归方法的目标函数为： （4）目标函数中的第一部分衡量了网络预测输出与期望输出之间的误差，正则化项用于控制权重矩阵的大小，是存储层与输出层之间的输出矩阵；通过公式（4）求解得到存储层与输出层之间的输出矩阵： （5） 是正则化系数，控制正则化项的权重，防止模型过拟合，I是单位矩阵，维度为m×m，其中m是存储层中神经元的数量，单位矩阵的对角线元素为1，其余元素为0；步骤4：依照公式（4）训练完输出矩阵之后，预测输入数据的第1000-1200个点的预测值，其中第1000-1100个点缺失；步骤5：将步骤4得到的200个预测值中的后100个预测值视为未缺失部分，计算第1100-1200个点的预测值与实际数据之间的均方误差，基于所述均方误差调整回声状态网络的参数，以最小化所述均方误差，以提高补全数据的精度，其中，回声状态网络的参数包括存储层规模和正则化系数；步骤6：通过调整后的回声状态网络，生成第1000-1100个点的预测值，并将该预测值作为最终实验数据。

全文数据：

权利要求：

百度查询： 中国科学院光电技术研究所 基于回声状态网络优化的时间序列数据补全方法