为提高回声状态网络对于时间序列预测问题的处理能力,本文提出了一种延迟深度回声状态网络构造方法.该方法将多个子神经元池顺序连接,每两个相邻的子神经元池之间嵌入了一个滞后环节.由于滞后环节的存在,该网络可将长时记忆任务转化为一系列短时记忆任务,从而简化长时依赖问题的求解,同时降低神经元池的构建难度.实验表明,该网络具有强大的短时记忆容量,对初始参数有较好的鲁棒性,对时间序列预测问题的处理能力也比常规回声状态网络有显著提高.
科研之友
微信
新浪微博
Facebook
分享链接
