ScholarGate
Assistente
Machine learningRecurrent / reservoir

Echo State Network (Reservoir Computing)

Immaginate di lanciare un sasso in uno stagno: le increspature codificano la storia di quella perturbazione per un certo tempo prima di affievolirsi. Il reservoir in una ESN si comporta in modo simile: è un ricco sistema dinamico che conserva naturalmente un'eco degli input passati. Poiché le connessioni interne del reservoir sono fisse e casuali, l'apprendimento si riduce semplicemente a trovare la migliore combinazione lineare di tali echi che riproduce l'output desiderato, un problema risolvibile in un unico passaggio con minimi quadrati ordinari.

Apri in MethodMindIn arrivoVideoIn arrivoDownload slides

Leggi il metodo completo

Riservato ai membri

Accedi con un account gratuito per leggere questa sezione.

Accedi

Method map

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

Fonti

  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

Come citare questa pagina

ScholarGate. (2026, June 2). Echo State Network (Reservoir Computing). ScholarGate. https://scholargate.app/it/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)). Consultato il 2026-06-15 da https://scholargate.app/it/deep-learning/echo-state-network · Insieme di dati: https://doi.org/10.5281/zenodo.20539026