Machine learningRecurrent / reservoir

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.

باز کردن در MethodMindبه‌زودیویدیوبه‌زودیDownload slides

مطالعهٔ کامل روش

ویژهٔ اعضا

برای خواندن این بخش با حساب رایگان وارد شوید.

ورود

Method map

The neighbourhood of related methods — select a node to explore.

منابع

  1. 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.

Compare side by side
ScholarGateEcho State Network (Echo State Network (Reservoir Computing)). بازیابی‌شده در 2026-06-15 از https://scholargate.app/fa/deep-learning/echo-state-network · مجموعه‌داده: https://doi.org/10.5281/zenodo.20539026