Release Time:2019-03-11  Hits:

Indexed by: Journal Article

Date of Publication: 2011-01-01

Journal: 自动化学报

Included Journals: CSCD、ISTIC、PKU、EI、Scopus

Volume: 37

Issue: 12

Page Number: 1536-1540

ISSN: 0254-4156

Key Words: 递归网络; 回声状态网络; 稀疏; 在线; 优化

Abstract: 为克服传统储备池方法缺乏良好在线学习算法的问题，同时考虑到储备池本身存在的不适定问题，本文提出一种储备池在线稀疏学习算法，对储备池目标函数施加L
   _1正则化约朿，并采用截断梯度算法在线近似求解。所提算法在对储备池输出权值进行在线调整的同时，可对储备池输出权值的稀疏性进行有效控制，有效保证了
   网络的泛化性能。理论分析和仿真实例证明所提算法的有效性。