一种新的具有多个储备池的回声状态网 |
| |
引用本文: | 王茜,伦淑娴.一种新的具有多个储备池的回声状态网[J].渤海大学学报(自然科学版),2020,41(1):90-96. |
| |
作者姓名: | 王茜 伦淑娴 |
| |
作者单位: | 渤海大学 数理学院,辽宁 锦州 121013;渤海大学 工学院,辽宁 锦州 121013 |
| |
摘 要: | 回声状态网是一种新型的递归神经网络,仅需要训练输出权值,克服了传统递归神经网络存在训练算法过于复杂、收敛速度慢、易于陷入局部最小等问题.为进一步提高回声状态网的建模能力,特别是面临实现多个正弦函数叠加(MSO)等任务时的逼近能力,提出了由泄露积分型神经元构建一种新型的多储备池回声状态网,称为多储备池泄露积分回声状态网(MLESN). MLESN是采用由顶向下和由底向上相结合的思路构建回声状态网.首先采用由顶向下的思路构建回声状态网,假设其储备池由P类相异泄露积分型神经元构成,每一类神经元的群体将构成一个子储备池.然后采用由底向上方式构建回声状态网,生成P个相异中心神经元,分别代表P个子储备池,每个子储备池的神经元状态要与其中心神经元状态相同或相近,P个中心神经元之间通过随机稀疏连接构成了一个新的虚拟子储备池.在储备池状态更新过程中,仍需保持各子储备池内部神经元之间的差异性小,不同子储备池神经元状态之间的差异性大的特点.最后,利用Matlab仿真软件进行实现,并与泄露积分型回声状态网(Leaky-ESN)预测性能进行比较.仿真结果表示,本文提出的方法具有更高的预测精度和预测误差波动性小等特点.
|
关 键 词: | 储备池 回声状态网 泄露积分回声状态网 稀疏连接 |
本文献已被 CNKI 万方数据 等数据库收录! |
|