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。