基于中心性的脉冲响应网络高效剪枝
机器学习
2026-05-07 v2 人工智能
最优化与控制
摘要
脉冲响应网络(ESN)是一种广泛用于非线性时间序列预测的储备计算框架。然而,尽管其有效性已获证实,随机初始化的储备往往包含冗余节点,导致不必要的计算开销和效率下降。本文提出了一种基于图中心性的剪枝方法,将储备解释为加权有向图,并通过中心性度量移除结构上不重要的节点。实验在 Mackey-Glass 时间序列预测和电力负荷预测上均表明,所提方法能够在保持甚至在某些情况下提高预测准确率的同时显著减小储备规模。
引用
@article{arxiv.2603.20684,
title = {Centrality-Based Pruning for Efficient Echo State Networks},
author = {Sudip Laudari},
journal= {arXiv preprint arXiv:2603.20684},
year = {2026}
}
备注
8 pages, 3 figures, 2 tables