面向匹配决策问题的漏整合神经元稀疏ESN网络

摘要

为了对匹配决策问题进行建模与预测，提出了一种具有更多神经生理学特征的稀疏回声状态网络(ESN)，并基于在线监督学习方法对网络进行训练。为了评估网络的匹配决策性能，设计了三组测试数据集对网络性能进行测试，并提出了一种基于网络期望输出与实际输出序列最大相关系数的评价方法。仿真结果表明，新模型只需要较少的训练时间即可获得较好的决策性能，且对发放时间间隔、平移和网络噪声具有较好的鲁棒性。