针对非平稳时间序列预测问题, 提出一种具有广义正则化与遗忘机制的在线贯序超限学习机算法. 该算法以增量学习新样本的方式实现在线学习, 以遗忘旧的失效样本的方式增强对非平稳系统的动态跟踪能力, 并通过引入一种广义的l2 正则化使其具有持续的正则化功能,从而保证算法的持续稳定性. 仿真实例表明,所提出算法具有较同类算法更好的稳定性和更小的预测误差,适用于具有动态变化特性的非平稳时间序列在线建模与预测.

具有广义正则化与遗忘机制的在线贯序超限学习机

针对非平稳时间序列预测问题,提出一种具有广义正则化与遗忘机制的在线贯序超限学习机算法.该算法以增量学习新样本的方式实现在线学习,以遗忘旧的失效样本的方式增强对非平稳系统的动态跟踪能力,并通过引入一种广义的$l_2$正则化使其具有持续的正则化功能,从而保证算法的持续稳定性.仿真实例表明,所提出算法具有较同类算法更好的稳定性和更小的预测误差,适用于具有动态变化特性的非平稳时间序列在线建模与预测.