Sieć stanów echa (Echo State Network, ESN)
Sieć stanów echa (ESN) to typ rekurencyjnej sieci neuronowej wprowadzony przez Herberta Jaegera i Haralda Haasa w 2004 roku, która wykorzystuje dużą, losowo połączoną, stałą warstwę rekurencyjną – rezerwuar – do projekcji sygnałów wejściowych w wysokowymiarową przestrzeń nieliniową. Trenowane są tylko liniowe wagi wyjściowe, zazwyczaj za pomocą regresji grzbietowej (ridge regression), co sprawia, że ESN są obliczeniowo niedrogie, a jednocześnie wysoce ekspresyjne dla zadań modelowania szeregów czasowych, w tym chaotycznych.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 2). Echo State Network (Reservoir Computing). ScholarGate. https://scholargate.app/pl/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.
- LSTMUczenie głębokie↔ compare
- Rekurencyjna Sieć NeuronowaUczenie głębokie↔ compare
- Entropia próbkowaSystemy złożone↔ compare
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →