首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

基于回声状态网络优化的时间序列数据补全方法 

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

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。