基于PSO的回声状态网训练算法.PDFVIP

下载本文档

8
0
约1.62万字
约 5页
2018-12-20 发布于山东
举报
版权申诉

基于PSO的回声状态网训练算法.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

基于PSO的回声状态网训练算法.PDF

1947 aIldDesign2009，30(8) 计算机工程与设计computerEngineering ·人工智能· 基于PSO的回声状态网训练算法葛谦，蔚承建 (南京工业大学信息与工程学院，江苏南京210009) 摘要：回声状态网是一种新型的循环网络结构与循环网络学习方法，较传统神经网络相比，具有更强的非线性预测能力．习样本情况下，有效的提高了其预测精度。最后，对网络流量预测的实验结果表明了该算法的有效性．关键词：训练算法；粒子群优化；回声状态网；人工神经网络：非线性预测中图法分类号：11P183文献标识码：A 文章编号：lOoo．7024(2009)08．1947．03 PSO f．or network basedon Approach echostate training optimizing GE WEI Qi如， Chen鲥ian ofInfo珊ationScienceand 2l0009，China) (CoIlege EngiIleering，NanjingUnivers时ofTechn010踽Nanjing Abstract：Echo isanew ofrecurrcntne啪lne咐ork． totraditional s讹ne咐ork(ESN)architecture觚dmemod Compared le釉ing to tobe仃．ained· ne啪lne似orkith髂much ofnon—liIlear howeveritalso risemore s仃Dngerability prediction， can百ve samplesrequired 111c modelcalledPS0．ESNusedtllePSo c咖ect andt11e ise丘bctiVely ttle precision pmposed algoritI蛐to仃ainoutput weight prediction data． increasedwithlimit Ttle alsois the on ofne铆ork仃碰c s锄ples． alg喇t|lrn verifiedbyexp谢memprediction A non—linear Keywords：仃ainingalgorithm；panicleswa姗0ptimization；ESN；NN； prediction 为利用Pso算法优化输出网络权值。通过对实际网络流量的 0引言预测实验中证明，较传统ESN训练方法，PSO—ESN