回聲狀態(tài)網(wǎng)是一種新型的遞歸神經(jīng)網(wǎng)絡(luò),僅需要訓練輸出權(quán)值,克服了傳統(tǒng)遞歸神經(jīng)網(wǎng)絡(luò)存在訓練算法過于復雜、收斂速度慢、易于陷入局部最小等問題。為進一步提高回聲狀態(tài)網(wǎng)的建模能力,特別是面臨實現(xiàn)多個正弦函數(shù)疊加（MSO）等任務(wù)時的逼近能力,本文提出兩種新型的多儲備池結(jié)構(gòu)。第一種由泄露積分型神經(jīng)元構(gòu)建一種新型的多儲備池回聲狀態(tài)網(wǎng),稱為多儲備池泄露積分回聲狀態(tài)網(wǎng)（MLESN）。MLESN是采用由頂向下和由底向上相結(jié)合的思路構(gòu)建回聲狀態(tài)網(wǎng)。首先采用由頂向下的思路構(gòu)建回聲狀態(tài)網(wǎng),假設(shè)其儲備池由P類相異泄露積分型神經(jīng)元構(gòu)成,每一類神經(jīng)元的群體將構(gòu)成一個子儲備池。然后采用由底向上方式構(gòu)建回聲狀態(tài)網(wǎng),生成P個相異中心神經(jīng)元,分別代表P個子儲備池,每個子儲備池的神經(jīng)元狀態(tài)要與其中心神經(jīng)元狀態(tài)相同或相近,P個中心神經(jīng)元之間通過隨機稀疏連接構(gòu)成了一個新的虛擬子儲備池。在儲備池狀態(tài)更新過程中,仍需保持各子儲備池內(nèi)部神經(jīng)元之間的差異性小,不同子儲備池神經(jīng)元狀態(tài)之間的差異性大的特點。第二種是在MLESN的基礎(chǔ)上提出了新的多儲備池回聲狀態(tài)網(wǎng),即多儲備池嗅感受回聲狀態(tài)網(wǎng)（OFESN）。OFESN產(chǎn)生思路來源于果蠅的的嗅小球,... 

【文章來源】：渤海大學遼寧省

【文章頁數(shù)】：53 頁

【學位級別】：碩士

【部分圖文】：

回聲狀態(tài)網(wǎng)的結(jié)構(gòu)

Leaky-ESN測試結(jié)果

MLESN測試結(jié)果

【參考文獻】：
期刊論文
[1]一種基于改進回聲狀態(tài)網(wǎng)絡(luò)的預測算法[J]. 莊小葉,李軻.  新鄉(xiāng)學院學報. 2019(03)
[2]基于靈敏度分析的模塊化回聲狀態(tài)網(wǎng)絡(luò)修剪算法[J]. 王磊,喬俊飛,楊翠麗,朱心新.  自動化學報. 2019(06)
[3]基于罰函數(shù)內(nèi)點法的泄露積分型回聲狀態(tài)網(wǎng)的參數(shù)優(yōu)化[J]. 倫淑嫻,胡海峰.  自動化學報. 2017(07)
[4]基于Leaky-ESN的光伏發(fā)電輸出功率預測[J]. 胡海峰,倫淑嫻.  電子設(shè)計工程. 2016(17)
[5]基于改進回聲狀態(tài)網(wǎng)的時間序列預測[J]. 林健,倫淑嫻.  渤海大學學報(自然科學版). 2015(03)
[6]基于貝葉斯框架和回聲狀態(tài)網(wǎng)絡(luò)的日最大負荷預測研究[J]. 嵇靈,牛東曉,吳煥苗.  電網(wǎng)技術(shù). 2012(11)
[7]模糊回聲狀態(tài)網(wǎng)絡(luò)[J]. 彭宇,王建民,彭喜元.  電子學報. 2011(07)
[8]基于ESN網(wǎng)絡(luò)的航天器姿態(tài)跟蹤魯棒控制[J]. 袁長清,李俊峰,鄧志東,寶音賀西.  清華大學學報(自然科學版). 2008(08)
[9]ESN嶺回歸學習算法及混沌時間序列預測[J]. 史志偉,韓敏.  控制與決策. 2007(03)

博士論文
[1]回聲狀態(tài)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計及應用研究[D]. 李丁園.吉林大學 2019
[2]混沌時間序列預測與儲備池機器學習方法研究[D]. 史志偉.大連理工大學 2008

碩士論文
[1]回聲狀態(tài)網(wǎng)的改進與應用研究[D]. 姚顯雙.渤海大學 2015



本文編號：3059556