论文部分内容阅读
混沌时间序列预测问题是信号处理和自动控制领域中一个重要的研究方向，神经网络学习算法在处理这种高复杂性、强非线性的时间序列时具有很好的优势．应用一种具有良好性能的单隐层前向神经网络学习算法——极端学习机（ELM）学习算法，进行混沌时间序列问题的预测．与资源分配网络（RAN）学习算法相比，仿真结果表明ELM学习算法在具有较快学习速度的前提下，能够获得较好的预测性能，且ELM学习算法激活函数的选择具有问题依赖性．