一种基于改进的宽度学习系统预测光纤中光孤子时域演变的方法

本发明公开了一种基于改进的宽度学习系统预测光纤中光孤子时域演变的方法。所述方法包括构建宽度学习系统，所述宽度学习系统采用扁平化网络结构以实现特征节点与增强节点等结构水平扩展；改进宽度学习系统，所述改进包含改进增量学习算法作用域以同步调整多层节点使系统学习更多数据特征；训练系统适用于光孤子预测。该方法能在训练过程中动态更新网络结构，避免了复杂的重训练，有效提升训练效率和预测的准确性。此外，该方法利用岭回归算法快速求解隐藏层到输出层的伪逆，显著缩短训练时间进而实现快速准确预测。该方法可以应用于其他光学非线性演化过程的快速预测，也为扁平化网络在物理场建模以及光学领域的应用提供新思路。