科研之友
微信
新浪微博
Facebook
分享链接
摘要
随机生成的回声状态网络动态储层存在大量冗余神经元,导致网络高维状态空间矩阵产生共线性问题而影响网络预测性能.为解决该问题,本文提出一种基于强化学习的储层神经元筛选优化方法(SC-ESN),其实质是基于集成学习的思想构建多个初始储备池,利用互信息度量储层池中每个神经元对网络性能的贡献,并结合强化学习的决策机制筛选出对网络输出有效的神经元,进而达到优化网络结构提高网络预测性能的目的.基于人工数据集和实际数据集的实验证明,本文所提SC-ESN模型与其它预测模型比较,该模型在保证预测性能的前提下具有最小结构.
-
单位西安科技大学; 通信与信息工程学院
