一种基于脑网络的分层模块化回声状态网络
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 modular echo state network, HMESN).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.
回声状态网络、脑网络、储备池、时间序列预测
51
TP183(自动化基础理论)
国家自然科学基金资助项目61034008 , 61203099 , 61225016
2016-01-06(万方平台首次上网日期,不代表论文的发表时间)
共7页
128-134