一种有效的储备池在线稀疏学习算法
为克服传统储备池方法缺乏良好在线学习算法的问题,同时考虑到储备池本身存在的不适定问题,本文提出一种储备池在线稀疏学习算法,对储备池目标函数施加L1正则化约束,并采用截断梯度算法在线近似求解.所提算法在对储备池输出权值进行在线调整的同时,可对储备池输出权值的稀疏性进行有效控制,有效保证了网络的泛化性能.理论分析和仿真实例证明所提算法的有效性.
递归网络、回声状态网络、稀疏、在线、优化
37
TP183(自动化基础理论)
国家自然科学基金61074096
2012-03-20(万方平台首次上网日期,不代表论文的发表时间)
1536-1540