Echo State Network
Echo State Network (ESN) je typ rekurentní neuronové sítě, který představili Herbert Jaeger a Harald Haas v roce 2004 a který využívá velkou, náhodně propojenou, fixní rekurentní vrstvu – rezervoár – k projekci vstupních signálů do vysoce dimenzionálního nelineárního prostoru. Trénují se pouze lineární výstupní váhy, obvykle pomocí hřebenové regrese (ridge regression), což činí ESN výpočetně nenáročnými, a přesto vysoce expresivními pro modelování časových a chaotických časových řad.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- Jaeger, H., & Haas, H. (2004). Harnessing nonlinearity: Predicting chaotic systems and saving energy in wireless communication. Science, 304(5667), 78–80. DOI: 10.1126/science.1091277 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 2). Echo State Network (Reservoir Computing). ScholarGate. https://scholargate.app/cs/deep-learning/echo-state-network
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- LSTMHluboké učení↔ compare
- Rekurentní neuronová síťHluboké učení↔ compare
- Sample EntropyKomplexní systémy↔ compare
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →