回聲狀態(tài)網絡是一種新型的遞歸神經網絡,動力學特性豐富,學習算法簡單有效,訓練速度快,適用于處理復雜的非線性系統(tǒng),已廣泛應用于時間序列預測、模式識別、非線性系統(tǒng)建模及控制等領域。然而,回聲狀態(tài)網絡在解決實際問題時,仍存在一些關鍵性問題亟待解決,如:(1)傳統(tǒng)回聲狀態(tài)網絡的儲備池拓撲結構完全隨機生成,導致網絡性能及其性能穩(wěn)定性較差;(2)回聲狀態(tài)網絡在訓練過程中常存在不適定問題,特別是當網絡存在近似共線性問題時,易產生病態(tài)解,導致網絡的泛化能力降低;(3)回聲狀態(tài)網絡往往需要較大的網絡結構以獲得良好的網絡性能,而冗余的網絡結構會導致網絡的預測精度及泛化能力下降。針對上述問題,本文的主要研究內容如下:1.針對回聲狀態(tài)網絡儲備池拓撲結構設計存在的問題,借鑒腦網絡具有層次化和模塊化的拓撲結構特征,將生物神經網絡的拓撲結構引入到回聲狀態(tài)網絡的儲備池拓撲結構設計中,設計了類腦的分層模塊化儲備池拓撲結構,并建立了一種分層模塊化回聲狀態(tài)網絡模型。與傳統(tǒng)的儲備池拓撲結構相比,分層模塊化儲備池拓撲結構降低了神經元間的耦合程度,豐富了網絡的動力學特性,使其更接近于真實的生物神經網絡。實驗結果表明,類腦的分層模...

【文章頁數】：115 頁

【學位級別】：博士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 課題的研究背景及研究意義
        1.1.1 研究背景
        1.1.2 研究意義
        1.1.3 課題來源
    1.2 回聲狀態(tài)網絡的發(fā)展及其研究現狀
        1.2.1 回聲狀態(tài)網絡的發(fā)展
        1.2.2 回聲狀態(tài)網絡的研究現狀
    1.3 回聲狀態(tài)網絡存在的問題
    1.4 論文主要工作
    1.5 論文內容安排
第2章 回聲狀態(tài)網絡及性能分析
    2.1 引言
    2.2 回聲狀態(tài)網絡
        2.2.1 回聲狀態(tài)網絡模型
        2.2.2 穩(wěn)定性分析
    2.3 回聲狀態(tài)網絡的學習算法
        2.3.1 學習算法分析
        2.3.2 回聲狀態(tài)網絡的訓練步驟
    2.4 回聲狀態(tài)網絡的關鍵參數
        2.4.1 關鍵參數選擇
        2.4.2 仿真實驗與結果分析
    2.5 本章小結
第3章 類腦的分層模塊化儲備池拓撲結構設計
    3.1 引言
    3.2 儲備池拓撲結構存在問題分析
    3.3 類腦的分層模塊化儲備池拓撲結構設計
        3.3.1 腦網絡的拓撲結構
        3.3.2 類腦的分層模塊化儲備池拓撲結構設計
    3.4 仿真實驗及結果分析
        3.4.1 MSO問題
        3.4.2 Mackey-Glass混沌時間序列預測
        3.4.3 非線性動力學系統(tǒng)辨識
    3.5 本章小結
第4章 基于貝葉斯信息準則的混合正則化算法
    4.1 引言
    4.2 回聲狀態(tài)網絡的不適定問題分析
    4.3 基于貝葉斯信息準則的混合正則化算法分析與設計
        4.3.1 基于正則化的學習算法分析
        4.3.2 基于貝葉斯信息準則的混合正則化算法設計
    4.4 基于貝葉斯信息準則的混合正則化回聲狀態(tài)網絡模型
    4.5 仿真實驗及結果分析
        4.5.1 太陽黑子數時間序列預測
        4.5.2 Mackey-Glass混沌時間序列預測
    4.6 本章小結
第5章 基于貢獻度的回聲狀態(tài)網絡結構優(yōu)化設計
    5.1 引言
    5.2 現有的結構優(yōu)化方法分析
    5.3 基于貢獻度的結構優(yōu)化算法
        5.3.1 神經元間信息連接強度分析
        5.3.2 儲備池神經元的貢獻度
        5.3.3 基于貢獻度的修剪判別準則
    5.4 基于貢獻度的回聲狀態(tài)網絡模型
    5.5 仿真實驗及結果分析
        5.5.1 Rossler混沌時間序列預測
        5.5.2 Lorenz混沌時間序列預測
    5.6 本章小結
第6章 回聲狀態(tài)網絡在污水處理過程中的應用研究
    6.1 引言
    6.2 城市污水處理過程簡介
    6.3 基于結構優(yōu)化回聲狀態(tài)網絡的關鍵水質軟測量模型
        6.3.1 關鍵水質軟測量模型設計
        6.3.2 仿真實驗及結果分析
    6.4 本章小結
第7章 總結與展望
    7.1 全文總結
    7.2 展望
參考文獻
攻讀博士學位期間所取得的科研成果
致謝



本文編號：3844556