论文部分内容阅读
针对回声状态网络存在的病态解以及模型规模控制问题，本文提出一种基于L1范数正则化的改进回声状态网络。该方法通过在目标函数中添加L1范数惩罚项，提高模型求解的数值稳定性，同时借助于L1范数正则化的特征选择能力，控制网络的复杂程度，防止出现过拟合。对于L1范数正则化的求解，采用最小角回归算法计算正则化路径，通过贝叶斯信息准则进行模型选择，避免估计正则化参数。将模型应用于人造数据和实际数据的时间序列预测中，仿真结果证明了本文方法的有效性和实用性。