[发明专利]一种数据预测方法和装置

权利要求书

1.一种数据预测方法，其特征在于，所述方法包括：

获取输入数据；

将所述输入数据输入到回声状态网络中，其中，所述回声状态网络中的动态池神经元依次相连接形成环状拓扑，且动态池第一神经元向动态池第二神经元传递数据，所述动态池第二神经元向所述动态池第一神经元反馈数据，所述动态池第一神经元与所述动态池第二神经元相邻；

通过所述回声状态网络获取预测数据。

2.根据权利要求1所述方法，其特征在于，所述回声状态网络包括输入层、所述动态池和输出层，所述输入层包括输入单元，所述动态池包括动态池神经元，所述输出层包括输出单元；

在所述输入层和所述动态池之间建立第一连接权值矩阵，在所述动态池神经元之间建立第二连接权值矩阵，在所述动态池与所述输出层之间建立第三连接权值矩阵；

所述第一连接权值矩阵的子对角线W_i,i+1=r，W_i+1,i=r，右上角元素W_1,N=r，左下角元素W_N,1=r，其中，W表示所述第一连接权值矩阵，r∈(0,1)，i表示大于零的自然数，N表示所述第一连接权值矩阵的维数；

所述输入层包括至少一个输入单元，所述输出层包括至少一个输出单元；

所述输入层和所述输出层支持单输入单输出、单输入多输出、多输入单输出和多输入多输出的输入输出方式。

3.根据权利要求1所述方法，其特征在于，在将所述输入数据输入到回声状态网络之前，所述方法还包括：

设置所述第一权值矩阵和所述第二权值矩阵的元素值，其中，所述第一权值矩阵和所述第二权值矩阵中的非零元素的绝对值相等；

通过随机方法或混沌映射logistic方法获取所述第一权值矩阵的元素值的符号；

获取训练数据，所述获取训练数据，包括根据所述输入数据的特点及预测的需求，构建所述训练数据的长度和预测步数，获取所述训练数据；

利用所述训练数据训练所述回声状态网络，所述利用所述训练数据训练所述回声状态网络，包括输入所述训练数据，所述回声状态网络按照以下公式更新所述动态池神经元状态：

x(n+1)=f(Wⁱⁿu(n+1)+Wx(n))，

其中，x(n)表示所述动态池神经元，Wⁱⁿ表示所述第一连接权值矩阵，W表示所述第二连接权值矩阵，u(n)表示所述训练数据，f表示所述动态池神经元的激励函数，所述激励函数包括双正切函数、其他S型函数和恒等函数；

根据岭回归的方法，按照如下公式优化所述第三连接权值矩阵：

W^out=(X^TX+λ²I)^-1X^Ty，

其中，W^out表示所述第三连接权值矩阵，I表示恒等矩阵，λ表示惩罚因子，y表示期望输出值，X表示所述动态池神经元状态。

4.根据权利要求3所述方法，其特征在于，在利用所述训练数据训练所述回声状态网络之前，所述方法还包括：

设置所述动态池的规模、所述第二连接权值矩阵的谱半径、输入伸缩尺度和所述动态池的稀疏度。

5.根据权利要求1所述方法，其特征在于，所述通过所述回声状态网络获取预测数据包括：

通过以下公式获取所述预测数据：

其中，x(n)表示所述输入数据，表示所述预测数据，W^out表示所述第三连接权值矩阵；

利用所述回声状态网络对所述输入数据进行多步预测。

6.一种视频流量预测装置，其特征在于，所述装置包括：

输入数据获取单元，用于获取输入数据；

预测单元，用于在所述输入数据获取单元获取所述输入数据后，将所述输入数据输入到回声状态网络中，其中，所述回声状态网络中的动态池神经元依次相连接形成环状拓扑，且动态池第一神经元向动态池第二神经元传递数据，所述动态池第二神经元向所述动态池第一神经元反馈数据，所述动态池第一神经元与所述动态池第二神经元相邻；

通过所述回声状态网络获取预测数据。