多元時間序列的回聲狀態(tài)網(wǎng)絡(luò)模型表達與分類

摘要： 回聲狀態(tài)網(wǎng)絡(luò)（echo state network,ESN）的儲備池結(jié)構(gòu)不僅能充分挖掘序列數(shù)據(jù)中動態(tài)信息，也進一步提高了訓練效率。然而目前基于ESN的算法難以達到復(fù)雜神經(jīng)網(wǎng)絡(luò)的精度，為此提出一種基于生成模型距離度量的多元時間序列學習與分類方法。利用ESN在動態(tài)數(shù)據(jù)表示的優(yōu)勢將低維動態(tài)原始輸入映射到高維靜態(tài)空間，再擬合儲備池狀態(tài)序列的生成模型作為數(shù)據(jù)的模型表達，結(jié)合原型推理，基于...