回声状态网络结构设计及应用研究

发布时间：2023-08-30 00:11

　　回声状态网络是一种新型的递归神经网络,动力学特性丰富,学习算法简单有效,训练速度快,适用于处理复杂的非线性系统,已广泛应用于时间序列预测、模式识别、非线性系统建模及控制等领域。然而,回声状态网络在解决实际问题时,仍存在一些关键性问题亟待解决,如:(1)传统回声状态网络的储备池拓扑结构完全随机生成,导致网络性能及其性能稳定性较差;(2)回声状态网络在训练过程中常存在不适定问题,特别是当网络存在近似共线性问题时,易产生病态解,导致网络的泛化能力降低;(3)回声状态网络往往需要较大的网络结构以获得良好的网络性能,而冗余的网络结构会导致网络的预测精度及泛化能力下降。针对上述问题,本文的主要研究内容如下:1.针对回声状态网络储备池拓扑结构设计存在的问题,借鉴脑网络具有层次化和模块化的拓扑结构特征,将生物神经网络的拓扑结构引入到回声状态网络的储备池拓扑结构设计中,设计了类脑的分层模块化储备池拓扑结构,并建立了一种分层模块化回声状态网络模型。与传统的储备池拓扑结构相比,分层模块化储备池拓扑结构降低了神经元间的耦合程度,丰富了网络的动力学特性,使其更接近于真实的生物神经网络。实验结果表明,类脑的分层模...

【文章页数】：115 页

【学位级别】：博士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 课题的研究背景及研究意义
        1.1.1 研究背景
        1.1.2 研究意义
        1.1.3 课题来源
    1.2 回声状态网络的发展及其研究现状
        1.2.1 回声状态网络的发展
        1.2.2 回声状态网络的研究现状
    1.3 回声状态网络存在的问题
    1.4 论文主要工作
    1.5 论文内容安排
第2章 回声状态网络及性能分析
    2.1 引言
    2.2 回声状态网络
        2.2.1 回声状态网络模型
        2.2.2 稳定性分析
    2.3 回声状态网络的学习算法
        2.3.1 学习算法分析
        2.3.2 回声状态网络的训练步骤
    2.4 回声状态网络的关键参数
        2.4.1 关键参数选择
        2.4.2 仿真实验与结果分析
    2.5 本章小结
第3章 类脑的分层模块化储备池拓扑结构设计
    3.1 引言
    3.2 储备池拓扑结构存在问题分析
    3.3 类脑的分层模块化储备池拓扑结构设计
        3.3.1 脑网络的拓扑结构
        3.3.2 类脑的分层模块化储备池拓扑结构设计
    3.4 仿真实验及结果分析
        3.4.1 MSO问题
        3.4.2 Mackey-Glass混沌时间序列预测
        3.4.3 非线性动力学系统辨识
    3.5 本章小结
第4章 基于贝叶斯信息准则的混合正则化算法
    4.1 引言
    4.2 回声状态网络的不适定问题分析
    4.3 基于贝叶斯信息准则的混合正则化算法分析与设计
        4.3.1 基于正则化的学习算法分析
        4.3.2 基于贝叶斯信息准则的混合正则化算法设计
    4.4 基于贝叶斯信息准则的混合正则化回声状态网络模型
    4.5 仿真实验及结果分析
        4.5.1 太阳黑子数时间序列预测
        4.5.2 Mackey-Glass混沌时间序列预测
    4.6 本章小结
第5章 基于贡献度的回声状态网络结构优化设计
    5.1 引言
    5.2 现有的结构优化方法分析
    5.3 基于贡献度的结构优化算法
        5.3.1 神经元间信息连接强度分析
        5.3.2 储备池神经元的贡献度
        5.3.3 基于贡献度的修剪判别准则
    5.4 基于贡献度的回声状态网络模型
    5.5 仿真实验及结果分析
        5.5.1 Rossler混沌时间序列预测
        5.5.2 Lorenz混沌时间序列预测
    5.6 本章小结
第6章 回声状态网络在污水处理过程中的应用研究
    6.1 引言
    6.2 城市污水处理过程简介
    6.3 基于结构优化回声状态网络的关键水质软测量模型
        6.3.1 关键水质软测量模型设计
        6.3.2 仿真实验及结果分析
    6.4 本章小结
第7章 总结与展望
    7.1 全文总结
    7.2 展望
参考文献
攻读博士学位期间所取得的科研成果
致谢



本文编号：3844556