Echo State Network
Et Echo State Network (ESN) er en type rekurrent neuralt netværk introduceret af Herbert Jaeger og Harald Haas i 2004, som udnytter et stort, tilfældigt forbundet, fast rekurrent lag – reservoiret – til at projicere inputsignaler ind i et højdimensionelt, ikke-lineært rum. Kun de lineære outputvægte trænes, typisk via ridge regression, hvilket gør ESN'er beregningsmæssigt billige, men dog yderst udtryksfulde til modellering af temporale og kaotiske tidsserier.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 2). Echo State Network (Reservoir Computing). ScholarGate. https://scholargate.app/da/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.
- LSTMDyb læring↔ compare
- Recurrent Neural NetworkDyb læring↔ compare
- Sample EntropyKomplekse systemer↔ compare
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →