储备池计算,又称作回声状态网络,用于处理时间序列数据。循环神经网络中的隐藏层固定权重后就是储备池,包含了历史输入的信息、非线性处理和线性处理能力,储备池将输入映射到高维中,无须训练储备池,只需训练储备池后的输出表达即可得到想要的结果,一般使用简单的最小二乘法进行训练。相比RNN优点是训练简单。
储备池中的神经元自己也不知道自己在干什么,任务目标是什么,它们只管处理(理解)不管结果,在他们的处理下,数据融合了上下文信息并提取了特征信息。最后由输出层针对储备池的理解特点进行训练优化。
储备池计算,又称作回声状态网络,用于处理时间序列数据。循环神经网络中的隐藏层固定权重后就是储备池,包含了历史输入的信息、非线性处理和线性处理能力,储备池将输入映射到高维中,无须训练储备池,只需训练储备池后的输出表达即可得到想要的结果,一般使用简单的最小二乘法进行训练。相比RNN优点是训练简单。
储备池中的神经元自己也不知道自己在干什么,任务目标是什么,它们只管处理(理解)不管结果,在他们的处理下,数据融合了上下文信息并提取了特征信息。最后由输出层针对储备池的理解特点进行训练优化。