《表1 图3数据的10次预测平均数值》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于ESN的下肢表面肌电信号预测算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

所选用ESN稀疏矩阵为（500×500），稀疏度为4%，正则项系数为1×10-5，待优化参数为尺度因子和稀疏矩阵谱半径，训练序列为[0，600]，测试序列为[500，600]，初始序列为[0，100]。PSO粒子群数量为10，粒子群速度更新上限为0.1，下限为-0.1。区域最优解学习因子以及本次迭代最优解学习因子均为2，PSO迭代次数为100。为了验证本文改进算法的预测效果，对3种算法进行比较:1)利用ESN常用的RMSE作为优化目标函数，优化采用基本PSO，PSO退出机制采用本文提出的方法（算法1）。2)利用本文提出的RES作为优化目标函数，优化采用PSO算法，其中速度-更新算法中惯性权重为经典线性递减方式如式（7）所示，PSO退出机制采用本文提出的方法（算法2）。3)利用本文提出的RES作为优化目标函数，PSO速度-位置更新办法采用本文的改进算法，退出机制采用本文提出的方法（算法3）。利用这3种算法对图3～6的数据进行预测，结果如表1～4所示，表中数据均为10次预测的平均值。