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
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社