回声状态网络的递推训练算法

摘要：

针对回声状态网络(ESN)传统的训练方法无法解决高维矩阵不可逆时的训练,以及无法应用于需要在线训练的建模当中等问题,提出了两种新的递推训练算法.分别将含遗忘因子递推最小二乘算法(FFRLS)和无先导卡尔曼滤波算法(UKF)应用到回声状态网络输出神经元为线性函数和非线性函数的权值训练中,进而直接对网络的输出权值进行递推更新.与传统的训练方法相比,所提新方法不仅具有在线更新、精度高的优点,而且还可以解决传统训练方法中批量数据构成的向量矩阵不可逆及输出神经元为非线性函数且其反函数不可求的问题.通过对连续搅拌釜式反应器(CSTR)浓度和温度的预测仿真,结果证明了所提新方法的有效性.

关键词：回声状态网络(ESN)、遗忘因子递推最小二乘算法(FFRLS)、无先导卡尔曼滤波算法(UKF)

所属期刊栏目：40

分类号：TP183(自动化基础理论)

资助基金：国家自然科学基金60974031/61174128

在线出版日期：2013-05-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：106-110