为了提高回声状态网络的非线性映射能力和网络的学习性能,提出了偏鲁棒M回归回声状态网络。首先,将储备池激活函数的输出矩阵作为PRM算法的输入样本数据,输出向量作为PRM算法的输出样本数据;其次,对输入输出样本进行加权处理,建立它们之间的回归模型来获取PRM算法的回归系数(即ESN网络的输出权值);最后,通过仿真实验验证,与回声状态网络相比,该算法不仅是有效的、可行的,而且具有较高的测试精度和良好的泛化能力。
科研之友
微信
新浪微博
Facebook
分享链接
