Abstract：
数据预测作为城市计算的一部分,在帮助理解各种城市现象本质及预测城市未来中有着举足轻重的作用。回声状态神经网络作为一种新型的循环神经网络模型,广泛应用于数据预测领域。传统的回声状态神经网络由输入层、储备池和输出层3个部分组成,其储备池中具有大量稀疏连接的神经元,对输入数据进行非线性变换可输出高维的内部状态。针对高维变换在求解输出权值矩阵时的耗时问题,提出一种基于压缩感知方法的回声状态神经网络,利用测量矩阵,将高维的内部状态压缩成低维后再求解输出权值矩阵。混沌时间序列预测实验结果表明,相对于传统模型,该方法能在误差损失允许范围内,将计算时间最大程度降低到40%左右。
Keyword：
Reprint 's Address：
Email：
Source ：
软件导刊
Year： 2020
Issue： 04
Volume： 19
Page： 9-13
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 2
Affiliated Colleges：
