Echo State Network
En Echo State Network (ESN) är en typ av rekurrent neuralt nätverk som introducerades av Herbert Jaeger och Harald Haas år 2004. Det utnyttjar ett stort, slumpmässigt sammankopplat, fixerat rekurrent lager – reservoaren – för att projicera insignaler till ett högdimensionellt, ickelinjärt rum. Endast de linjära utdatavikten tränas, typiskt via ridge-regression, vilket gör ESN:er beräkningsmässigt billiga men ändå mycket uttrycksfulla för modellering av temporala och kaotiska tidsserier.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 2). Echo State Network (Reservoir Computing). ScholarGate. https://scholargate.app/sv/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.
- LSTMDjupinlärning↔ compare
- Återkommande neuralt nätverkDjupinlärning↔ compare
- SampelentropiKomplexa system↔ compare
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →