一种增量式模块化回声状态网络  

An incremental modular echo state network

作　　者：李凡军[1,2,3] 乔俊飞[1,2] 

机构地区：[1]北京工业大学电子信息与控制工程学院,北京100124 [2]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 [3]济南大学数学科学学院,济南250022

出　　处：《控制与决策》2016年第8期1481-1486,共6页Control and Decision

基　　金：国家自然科学基金项目(61203099;61225016;61533002);北京市自然科学基金项目(Z141100001414005);北京市教委基金项目(km201410005001;KZ201410005002);中国博士后基金项目(2014M550017)

摘　　要：针对传统回声状态网络(ESN)难以解决多振荡子叠加(MSO)问题,提出一种增量式模块化回声状态网络(IM-ESN).该网络储备池由多个相互独立的子储备池组成.利用矩阵的奇异值分解(SVD)构造每个子储备池的权值矩阵,并依据分块对角矩阵原理,将子储备池逐一添加至网络中.在网络增长过程中,IM-ESN无需放缩权值矩阵便能保证网络的状态回声特性.MSO问题的仿真结果表明,IM-ESN能够自主确定与问题复杂度相匹配的网络规模,具有较好的预测性能和鲁棒性.An incremental modular echo state network（IM-ESN） is proposed to solve the multiple superimposed oscillator（MSO） problem, which is difficult to be solved by conventional ESNs. The reservoir of IM-ESN is made up of sub-reservoirs which are mutually independent. The weight matrices of sub-reservoirs are designed via the singular value decomposition（SVD） method. Based on the block diagonal matrix theory, the generated sub-reservoirs are added to the existing network one by one. During the growth of the network, IM-ESN can guarantee the echo state property without posterior scaling of the weights. The experiment results on the MSO problem show that the IM-ESN can determine its network complexity to match the given applications automatically, with better prediction performance and robustness.

关 键 词：回声状态网络 储备池 多振荡子叠加问题 奇异值 预测 

分 类 号：TP273[自动化与计算机技术—检测技术与自动化装置]