摘要：针对回声状态网络（Echo state network，ESN）结构设计问题，提出一种基于脑网络的分层模块化回声状态网络（Hierarchical modularecho state network，HMESNl。脑网络的拓扑结构使功能网络具有丰富的动力学特性，因此，从生物仿生学角度出发，对HMESN的储备池进行分层设计，各层级上的神经元采用小世界网络构建算法生成模块化结构，并引入层级连接。基于脑网络分层模块化的拓扑特征弱化了神经元间的耦合程度，从而使神经元的动力学特性更为丰富，在功能与结构上更接近于真实生物神经网络，有效地提高了网络处理问题的能力。采用Mackey．Glass时间序列预测和非线性系统辨识对网络进行验证，证明该网络的有效性和可行性。

关键词：回声状态网络 脑网络 储备池 时间序列预测 

单位：吉林大学通信工程学院 长春130022 北京工业大学电子信息与控制工程学院 北京100124 北京工业大学计算智能与智能系统北京市重点实验室 北京100124