期刊论文
韩敏
Han, M.(minhan@dlut.edu.cn)
王新迎
2011-01-01
自动化学报
Scopus、EI、PKU、ISTIC、CSCD
J
37
12
1536-1540
0254-4156
递归网络; 回声状态网络; 稀疏; 在线; 优化
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。