Skaļruņa stāvokļa tīkls
Skaļruņa stāvokļa tīkls (Echo State Network, ESN) ir atkārtotais neironu tīkls, ko 2004. gadā ieviesa Herberts Jēgers (Herbert Jaeger) un Haralds Haas (Harald Haas), un kas izmanto lielu, nejauši savienotu, fiksētu atkārtoto slāni — rezervuāru — lai ieejas signālus projicētu augstdimensionālā nelineārā telpā. Tiek apmācīti tikai lineārie izejas svari, parasti izmantojot grēdas regresiju (ridge regression), padarot ESN par aprēķināšanas ziņā lētiem, taču ļoti izteiksmīgiem rīkiem laika un haotisku laika sēriju modelēšanas uzdevumiem.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 2). Echo State Network (Reservoir Computing). ScholarGate. https://scholargate.app/lv/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.
- ILSMDziļā mācīšanās↔ compare
- Atkārtotais neironu tīklsDziļā mācīšanās↔ compare
- Entropija pēc paraugaKompleksās sistēmas↔ compare
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →