一种基于脑网络的分层模块化回声状态网络

来源：机械工程学报杂志2015年第22期北京时间：

作者：李丁园, 刘富, 乔俊飞

单位：1. 吉林大学通信工程学院 长春 130022；；2. 北京工业大学电子信息与控制工程学院 北京 100124；；3. 北京工业大学计算智能与智能系统北京市重点实验室 北京 100124

摘要：针对回声状态网络(Echo state network, ESN)结构设计问题，提出一种基于脑网络的分层模块化回声状态网络(Hierarchical modular echo state network, HMESN)。脑网络的拓扑结构使功能网络具有丰富的动力学特性，因此，从生物仿生学角度出发，对HMESN的储备池进行分层设计，各层级上的神经元采用小世界网络构建算法生成模块化结构，并引入层级连接。基于脑网络分层模块化的拓扑特征弱化了神经元间的耦合程度，从而使神经元的动力学特性更为丰富，在功能与结构上更接近于真实生物神经网络，有效地提高了网络处理问题的能力。采用Mackey-Glass时间序列预测和非线性系统辨识对网络进行验证，证明该网络的有效性和可行性。

关键词：储备池,回声状态网络,脑网络,时间序列预测；

基金资助：国家自然科学基金资助项目(61034008，61203099，61225016)