基于小世界无标度特征的回声状态小波网络

摘要：

针对储备池的适应性问题,提出了一种复合回声状态网络模型(CESN).CESN依据增量生长准则构建小世界无标度进化状态储备池,解除了储备池谱半径的限制.同时,CESN将离散小波函数作为神经元的激活函数,用Symlets小波函数替代部分储备池神经元的S型函数,Symlets小波函数的伸缩和平移变换特征丰富了动态储备池的状态空间.将CESN应用于一些非线性时间序列逼近问题中,即NARMA系统、Henon映射和二氧化碳浓度预测.实验结果表明,在逼近高度复杂的非线性系统方面,CESN明显优于注入Symlets小波的经典回声状态网络(S-ESN)和具有高聚类系数的无标度回声状态网络(SHESN).

关键词：回声状态网络、小世界、无标度、小波函数、时间序列预测

所属期刊栏目：36

分类号：TP301.6(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61202243;国家教育部高等学校博士学科点专项科研基金资助项目20121101110037;江西省自然科学基金资助项目20151BAB207042

在线出版日期：2016-07-12（万方平台首次上网日期，不代表论文的发表时间）

页码：502-507