多元時間序列的回聲狀態(tài)網絡模型表達與分類

摘要： 回聲狀態(tài)網絡（echo state network,ESN）的儲備池結構不僅能充分挖掘序列數據中動態(tài)信息，也進一步提高了訓練效率。然而目前基于ESN的算法難以達到復雜神經網絡的精度，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)數據表示的優(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據的模型表達，結合原型推理，基于...