构建复杂回响状态网络的新方法

被引:8
作者
宋青松
冯祖仁
机构
[1] 西安交通大学系统工程研究所
关键词
混沌时间序列预测; 复杂度; 回响状态网络;
D O I
暂无
中图分类号
TP183 [人工神经网络与计算];
学科分类号
140502 [人工智能];
摘要
研究了人工神经网络混沌时间序列预测应用中的拓扑选择问题,受大脑皮层生长发育过程启发,提出一种类皮层网络——复杂回响状态网络(CESN)的构建方法.将影响皮层网络生长发育过程的依赖距离和依赖时间窗口的2个生长机制中的规模因子、距离敏感因子、密度敏感因子、种子神经元个数,以及时间窗宽度等调控因子,类比地定义为CESN构建过程中的构造参数.实验发现,CESN的拓扑结构能够被这些构造参数惟一地确定,并且当种子神经元个数取值约为网络规模的10%时,构建出的CESN几乎具有最优的预测精度.根据这个发现,仿真证实了CESN能够被更省时地构建,表明所提方法是一种高效的网络构建方法.
引用
收藏
页码:1 / 4
页数:4
相关论文
共 4 条
[1]
基于多通道脑电特征运动意识任务的分类 [J].
裴晓梅 ;
郑崇勋 ;
宾光宇 .
西安交通大学学报, 2005, (08) :904-907
[2]
随机模糊神经网络及在随机混沌时间序列预测中的应用 [J].
王军平 ;
陈全世 ;
田光宇 .
西安交通大学学报, 2003, (10) :991-994
[3]
Developmental time windows for spatial growth generate multiple-cluster small-world networks [J].
Nisbach, F. ;
Kaiser, M. .
EUROPEAN PHYSICAL JOURNAL B, 2007, 58 (02) :185-191
[4]
Analysis and design of echo state networks [J].
Ozturk, Mustafa C. ;
Xu, Dongming ;
Principe, Jose C. .
NEURAL COMPUTATION, 2007, 19 (01) :111-138