Abstract：
针对标准长短期记忆(long short-term memory,LSTM)神经网络的结构参数众多、训练过程耗时长问题,提出一种基于自适应动量随机梯度下降(adaptive momentum stochastic gradient descent,AMSGD)算法的改进型长短期记忆神经网络(ILSTM-AMSGD神经网络),并将其用于时间序列预测中.首先,通过简化结构方程中的递归项权值,减少网络中所需训练的参数.其次,设计一种AMSGD算法对神经网络结构参数进行学习.最后,通过2个基准数据集和1个实际数据集对ILSTM-AMSGD神经网络模型在时间序列预测中的准确性和运行效率进行实验验证.结果表明,递归项权值简化方法可以提高模型的泛化能力,同时AMSGD算法加快了模型的收敛速度.与其他模型相比,ILSTM-AMSGD神经网络模型实现了对时间序列更加高效、准确的预测.
Keyword：
Reprint Author's Address：
Email：
Source ：
控制工程
ISSN： 1671-7848
Year： 2023
Issue： 10
Volume： 30
Page： 1793-1800
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： -1
Chinese Cited Count：
30 Days PV： 37
