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.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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.
- LSTMApprendimento profondo↔ compare
- Reti neurali ricorrentiApprendimento profondo↔ compare
- Entropia CampionariaSistemi complessi↔ compare
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →