雷雨^1,2,3，郭浩⁴ 

　　（1. 中国科学院 国家授时中心，西安 710600； 

　　2. 中国科学院 时间频率基准重点实验室，西安 710600； 

　　3. 中国科学院大学，北京 100049； 

　　4. 西安文理学院 机械与材料工程学院，西安710061)　　  

　　摘要：针对极端学习机(extreme learning machine,ELM)神经网络隐层结构难以确定的问题,基于自适应共振理论(adaptive resonance theory,ART)网络良好的自组织分类功能,提出一种基于ART网络思想的ELM网络结构设计方法。该方法将ART网络的自组织聚类特性用于ELM网络结构设计中,通过对输入向量与已存模式的相似度比较将输入向量进行分类,确定隐层节点规模。仿真实验表明,与其他网络相比,ART-ELM网络具有更精简的结构、更快的学习速度以及更好的映射能力。通过用于GPS卫星钟差预报的实验表明,根据ART-ELM网络所预报的钟差较IGS超快速预报(IGS ultra-predicted,IGU-P)钟差在精度上有较大改善。 

　　关  键  词：极端学习机；网络结构设计；自适应共振理论网络；钟差预报 

　　中图分类号： P227           文献标志码：A         文章编号：1674-0637(2015)04-0209-07 

　　DOI：10.13875/j.issn.1674-0637.2015-04-0209-07