模糊回声状态网络 fuzzy echo state networks.pdfVIP

下载本文档

19
0
约2.36万字
约 7页
2017-08-22 发布于上海
举报
版权申诉

模糊回声状态网络 fuzzy echo state networks.pdf

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

模糊回声状态网络 fuzzy echo state networks

第7期电子学报 V01．39No．7 2011年7月 ACrAEI点CIRONICAsI卜fICA JIll．20儿模糊回声状态网络彭宇1，王建民1．一，彭喜元1 (1．哈尔滨工业大学自动化测试与控制研究所，黑龙江哈尔滨150080； 2．哈尔滨理工大学电子科学与技术系，黑龙江哈尔滨150001) 摘要：针对基于梯度下降的模糊递归神经网络训练效率低、容易陷入局部极小的缺点，本文基于回声状态网 EchoState State Networks，络(EchoNetworks，ESNs)和偈模型提出一种新的模糊模型结构——模糊回声状态网络(Fuzzy FESN模型的某种特例，而且FESNs具有较强的非线性映射能力、局部反馈以及学习算法稳定等特点．同时，其模型参数确定方法与经典rIS模型以及ESN一样可以归结为一个线性回归问题，大大减少了网络训练的计算量．仿真实验表明，与经典，Is模型相比，FESNs在不显著增加建模时间情况下可有效提高建模精度．关键词：回声状态网络；储备池；1S模型；动态系统建模中图分类号：TPl83文献标识码： A 文章编号：0372-2112(2011)07-1538-07 EchoStateNetworks Fuzzy PENG Yul，WANG jian_minl,2,PEN(；Xi．yuanl (1．AutomaticTest and 2．伪w加删of觑呦m妇Science＆强加如y，HarbinUniversityofSdmceTedmNogy，Harb／n，胁妇咖150001，踟珏) Recun伽tneural is trained some Ab{如ad： networks，which d鼯c咖，have fuzzy usually bygradient inherent炯tColnings neural唧*workbased011 suchas miIliIIl唧．Inthis anovel Echo啦Ile inefficiency paper，We fuzzy of位IiIlingprocess，local pf唧髑ed 叫work echostate isa ofbothISmodalandESN．FESNs andB model，called network(FESN)，which fuzzy fuzzy generality