关于储备池训练模型的研究

• 作者: 曲海然 李攀攀 杨梦宇
• 来源期刊: 文体用品与科技
• 学科: 体育
• 关键词: 回声状态网络 PSO算法
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 体育观察
• 页码范围: 23-24
• 页数: 2页
• 分类号: G808
• 字数: 2042字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-8902.2018.03.019

摘要

随着人类社会的进步与发展,线性与非线性系统已经引起了越来越多的学者的关注.由于非线性系统本身具有复杂性,很难找出适应各种非线性系统的辨识方法.由于神经网络能够以任意精度逼近非线性的函数,所以这种网络被广泛的应用到辨识系统中.最常被运用的是回声状态网络(Echo State Network,ESN模型),针对非线性系统本身具有复杂性,难以建模的问题,本项目提出了一种将ESN(回声状态网络)与PSO(粒子群优化算法)相结合的方法.其中,ESN是储备池计算理论的新方向,PSO算法是群体智能理论的典型代表.本项目通过使用PSO算法优化ESN的结构参数,得到了一种更高效的非线性系统辨识方法,拟达到模型精简、计算精度高的效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曲海然		2	0	0.0	0.0
2	杨梦宇		1	0	0.0	0.0
3	李攀攀		1	0	0.0	0.0