Echo State Network (Reservoir Computing)
تصور کنید سنگی را در برکهای میاندازید: امواج حاصل از آن، تاریخچه آن اختلال را برای مدتی قبل از محو شدن، رمزگذاری میکنند. مخزن در یک ESN به طور مشابه عمل میکند - یک سیستم دینامیکی غنی است که به طور طبیعی پژواکی از ورودیهای گذشته را حفظ میکند. از آنجایی که اتصالات داخلی مخزن ثابت و تصادفی هستند، یادگیری صرفاً به یافتن بهترین ترکیب خطی از آن پژواکها که خروجی مطلوب را بازتولید میکند، محدود میشود، که مسئلهای قابل حل در یک مرحله با استفاده از کمترین مربعات معمولی است.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- 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 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 2). Echo State Network (Reservoir Computing). ScholarGate. https://scholargate.app/fa/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.
- LSTMیادگیری عمیق↔ compare
- شبکه عصبی بازگشتییادگیری عمیق↔ compare
- آنتروپی نمونه (Sample Entropy)سیستمهای پیچیده↔ compare
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →