基于去趋势多重互相关的深度回声状态网络剪枝算法OA北大核心CSTPCD
Deep Echo State Network Pruning Algorithm Based on Detrended Multiple Cross-correlation
针对储备池中存在的冗余结构导致深度回声状态网络预测精度不佳的问题,提出了一种基于去趋势多重互相关的深度回声状态网络剪枝算法.首先,根据去趋势协方差函数和去趋势方差函数,依次计算所选储备池中每 2 个神经元之间的去趋势互相关系数,构建去趋势互相关矩阵,基于该矩阵评估该储备池中所选神经元与所有剩余神经元之间的去趋势多重互相关性.其次,依次删除每个储备池中高相关性神经元到输出层的连接,从而去除网络中的冗余结构.最后,通过最小二乘回归重新训练剪枝后的网络…查看全部>>
To address the problem of undesirable prediction accuracy of a deep echo state network caused by redun-dant structures in the reservoirs,a pruning algorithm for the deep echo state network based on detrended multiple cross-correlation was proposed.Firstly,according to the detrended covariance function and the detrended variance function,the detrended cross-correlation coefficient between each two neurons in the selected reservoirs in turn was calculated,and …查看全部>>
孙晓川;王宇;李莹琦;黄天宇
华北理工大学 人工智能学院,河北 唐山 063210||河北省工业智能感知重点实验室,河北 唐山 063210华北理工大学 人工智能学院,河北 唐山 063210||河北省工业智能感知重点实验室,河北 唐山 063210华北理工大学 人工智能学院,河北 唐山 063210||河北省工业智能感知重点实验室,河北 唐山 063210华北理工大学 人工智能学院,河北 唐山 063210||河北省工业智能感知重点实验室,河北 唐山 063210
计算机与自动化
深度回声状态网络结构优化剪枝去趋势多重互相关时间序列预测
deep echo state networkstructure optimizationpruningdetrended multiple cross-correlationtime series prediction
《郑州大学学报（工学版）》 2024 (4)
38-45,8
河北省海洋生态修复与智慧海洋工程研究中心开放基金项目(HBMESO2315)
评论