[发明专利]一种基于进化混沌边缘的卷积储备池优化方法

说明书

本发明涉及一种基于进化混沌边缘的卷积储备池优化方法，用于提升储备池的计算能力，包括以下步骤：1)将待处理的时间序列Y及其相关输入变量X划分为训练数据集和预测数据集；2)随机初始化输入连接矩阵、储备池第l阶延迟连接矩阵，并设定最大迭代次数和测试误差阈值；3)对超参数进行初始化；4)设定参数搜索空间；5)将训练数据集输入卷积回声状态网络，训练得到输入连接估计矩阵；6)将基于记忆策略和Lèvy随机游走的粒子群优化‑重力搜索算法的超参数作为粒子位置，进行混沌边缘储备池优化，从而获取卷积储备池的最优超参数。与现有技术相比，本发明具有模拟时间依赖性、稳定地混沌边缘、预测分类性能高等优点。

技术领域

本发明涉及信息技术领域，尤其是涉及一种基于进化混沌边缘的卷积储备池优化方法。

背景技术

时间序列在金融、通信、气象、电力、控制、医学信号处理等领域广泛存在，开展基于时间序列的分析预测具有重要实际工程价值。目前处理时间序列的主要方法是递归神经网络，但由于递归神经网络存在梯度消退和计算复杂度问题，限制其实际应用。

储备池计算，最初分别作为回声状态网络和液体状态机形式出现，在过去几年中已经发展成为两个独立的子领域，并引起了相当多的关注。它试图建立一个运行在“混沌边缘”的动态储备池，当处于稳定和不稳定的临界状态时，其具有极强的计算能力。

当前的储备池是随机产生的，并不保证任何短期时间依赖性或计算能力，因此仍需要正则化来克服储备池的过拟合问题。

控制储备池运行在“混乱边缘”非常困难，因为它是一种游离的状态，既不是稳定状态也不是分叉状态。最近研究还表明，混沌边缘参数变化比较敏感。从生物进化的角度来看，变异进化会导致生态系统的复杂性，并会造成系统处于混沌或混乱边缘，因此生物变异进化是混沌边缘的一种主要实证，也说明混沌(边缘)是一种变化的状态而不是静止的状态，因此自动原胞机最早用于储备池优化，但是使用的规则不是足够复杂，不满足混沌边缘对复杂性的要求。

生物优化算法是一种常用的参数估计方法，但现有方法采用当前最佳适应度更新所有粒子位置信息，对于混沌边缘的复杂参数优化极易存在局部最小点。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于进化混沌边缘的卷积储备池优化方法。

本发明的目的可以通过以下技术方案来实现：

一种基于进化混沌边缘的卷积储备池优化方法，用于提升储备池的计算能力，包括以下步骤：

1)将待处理的时间序列Y及其相关输入变量X划分为训练数据集和预测数据集；

2)随机初始化输入连接矩阵W_in、储备池第l阶延迟连接矩阵(W_x)^l，l＝1,...,L， L为延迟阶数，并设定最大迭代次数和测试误差阈值；

3)对基于记忆策略和Lèvy随机游走的粒子群优化-重力搜索算法的超参数进行初始化；

4)设定卷积回声状态网络参数搜索空间；

5)将训练数据集输入卷积回声状态网络，对于批处理，采用Toeplitz矩阵简化回声状态网络状态向量，并进行训练得到输入连接估计矩阵

6)将基于记忆策略和Lèvy随机游走的粒子群优化-重力搜索算法的超参数作为粒子位置，进行混沌边缘储备池优化，从而获取卷积储备池的最优超参数。