典型文献
一种深度回声状态网络的输入尺度自适应算法
文献摘要：
深度回声状态网络是回声状态网络与深度学习思想的结合,合理选取不同谱半径的内部状态矩阵和弱积分参数能有效增强深度回声状态网络的多尺度时域特性.利用数据可视化分析输出矩阵在不同网络层中的分布关系,发现高层网络中部分神经元处于饱和工作状态且该状态抑制了网络动态预测能力.提出一种深度回声状态网络的输入矩阵自适应算法,在对网络内部状态的均值和方差进行递推估计的基础上判断神经元饱和状态,通过自适应调整各层输入权重的值来增强神经元动态性.数值计算结果表明,基于输入尺度自适应算法的深度回声状态网络相对同等规模的单层回声状态网络对于动态系统的预测精度有成倍提升.
文献关键词：
回声状态网络;动态系统;广义逆算法;多尺度时域特性;机器学习
中图分类号：
作者姓名：
刘鹏;叶润;闫斌;谢茜;刘睿
作者机构：
电子科技大学 自动化工程学院,成都 611731;国网四川省电力公司电力科学研究院,成都 610041
文献出处：
引用格式：
[1]刘鹏;叶润;闫斌;谢茜;刘睿-.一种深度回声状态网络的输入尺度自适应算法)[J].计算机工程,2022(02):92-98,105
A类：
多尺度时域特性,广义逆算法
B类：
回声状态网络,尺度自适应,自适应算法,学习思想,谱半径,内部状态,状态矩阵,矩阵和,数据可视化分析,网络层,分神,工作状态,网络动态,动态预测,预测能力,递推,推估,饱和状态,自适应调整,动态系统,成倍
AB值：
0.28344
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
