典型文献
基于增量式学习的正则化回声状态网络
文献摘要：
针对回声状态网络(ESN)的结构设计问题,提出增量式正则化回声状态网络(IRESN).该网络由相互独立的子储备池模块构成,首先,子储备池根据奇异值分解方法生成,且可以保证每个子储备池权值矩阵的奇异值都小于1;其次,利用问题复杂度或者残差,将网络中逐一添加子储备池,直至满足预设的终止条件,在生成IRESN的过程中,回声状态特性能够得以保证,并不需要缩放储备池权值矩阵;然后,为了解决不适定问题,在网络增量式学习过程中,利用正则化方法训练输出权值,并利用留一交叉验证方法选择正则化参数.仿真结果表明,与其他ESNs相比较,所得网络具有紧凑的结构和较高的预测精度.
文献关键词：
回声状态网络;增量式学习;奇异值分解;正则化;留一交叉验证
中图分类号：
作者姓名：
王磊;苏中;乔俊飞;赵静
作者机构：
北京信息科技大学高动态导航技术北京市重点实验室,北京100192;北京京信科高端信息产业技术研究院有限公司,北京100192;北京工业大学信息学部,北京100124;中国标准化研究院,北京100191
文献出处：
引用格式：
[1]王磊;苏中;乔俊飞;赵静-.基于增量式学习的正则化回声状态网络)[J].控制与决策,2022(03):661-668
A类：
增量式学习,IRESN,ESNs
B类：
回声状态网络,结构设计问题,相互独立,奇异值分解,分解方法,权值,利用问题,并不需要,缩放,决不,不适定问题,学习过程,正则化方法,方法训练,留一交叉验证,验证方法,方法选择,正则化参数,紧凑
AB值：
0.240893
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。
