基于多目標(biāo)多樣性回聲狀態(tài)網(wǎng)絡(luò)的時(shí)間序列分析.pdf

1、時(shí)間序列數(shù)據(jù)廣泛存在于電子商務(wù)，金融，視頻活動(dòng)分析等任務(wù)中，針對(duì)時(shí)序數(shù)據(jù)的分析和預(yù)測(cè)是一項(xiàng)十分重要且有挑戰(zhàn)性的工作。對(duì)時(shí)間序列分析的難點(diǎn)有二，其一是:時(shí)間序列數(shù)據(jù)具有時(shí)序性。其二是:時(shí)間序列數(shù)據(jù)通常包含較多的噪聲?；芈暊顟B(tài)網(wǎng)絡(luò)(Echo State Network，ESN)是目前一種流行的時(shí)間序列分析模型，它的儲(chǔ)蓄池（相當(dāng)于傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的隱藏層）的循環(huán)連接使其具有一定的“記憶”能力，可以很好地?cái)M合出時(shí)間序列數(shù)據(jù)的時(shí)序關(guān)系。由于回聲狀態(tài)網(wǎng)

2、絡(luò)儲(chǔ)蓄池中的節(jié)點(diǎn)個(gè)數(shù)較多，當(dāng)它被用來擬合噪聲較多的數(shù)據(jù)時(shí)，容易造成過擬合，影響模型的預(yù)測(cè)能力。傳統(tǒng)ESN模型中，ESN輸入層到儲(chǔ)蓄池、儲(chǔ)蓄池內(nèi)部節(jié)點(diǎn)之間連接權(quán)重隨機(jī)生成，ESN的性能依賴于這種隨機(jī)性，導(dǎo)致它具有不穩(wěn)定性。為了得到合適的ESN，通常需要不斷地隨機(jī)生成ESN，直到產(chǎn)生合適模型為止，傳統(tǒng)方法無法保證新生成的ESN優(yōu)于之前的ESN?；诨芈暊顟B(tài)網(wǎng)絡(luò)的上述缺點(diǎn)，本文提出了多目標(biāo)多樣性回聲狀態(tài)網(wǎng)絡(luò)(Multi-objective D

3、iversifiedEcho State Network，MODESN)，MODESN定義了ESN多樣性。ESN多樣性通過考慮儲(chǔ)蓄池中節(jié)點(diǎn)之間的冗余度，從而盡可能地避免過擬合情況發(fā)生。MODESN利用多目標(biāo)遺傳算法同時(shí)對(duì)ESN多樣性和預(yù)測(cè)準(zhǔn)確率進(jìn)行優(yōu)化，使得新生成的ESN模型向期望的方向演化，從而避免了傳統(tǒng)生成ESN方法的隨機(jī)性。本文的主要工作可以總結(jié)如下:
　　(1)本文定義了ESN多樣性，通過優(yōu)化ESN多樣來優(yōu)化ESN結(jié)構(gòu)，從