Mod-DeepESN:模块化深度回声状态网络
机器学习
2019-03-27 v2 机器学习
摘要
受神经启发的循环神经网络算法,如回声状态网络,计算轻量,因此能很好地映射到非束缚设备上。基线回声状态网络算法在解决小规模时空问题时表现出高效。然而,对于具有多尺度结构的复杂任务,它们表现不佳。本研究提出一种注入内在可塑性的模块化深度回声状态网络架构,用于解决复杂且多时间尺度的时序任务。它在时间序列预测任务上优于最先进的(state-of-the-art)方法。
引用
@article{arxiv.1808.00523,
title = {Mod-DeepESN: Modular Deep Echo State Network},
author = {Zachariah Carmichael and Humza Syed and Stuart Burtner and Dhireesha Kudithipudi},
journal= {arXiv preprint arXiv:1808.00523},
year = {2019}
}
备注
4 pages, Cognitive Computational Neuroscience (CCN) 2018 Conference