控制与决策

作者：郭伟,姚欢,张昭昭,朱应钦

单位：西安科技大学 通信与信息工程学院,西安 710054,,西安科技大学 通信与信息工程学院,西安 710054,,西安科技大学 计算机科学与技术学院,西安 710054,,墨西哥国立理工学院高级研究中心 控制科学与工程系,墨西哥 07360,

关键词：回声状态网络;互信息;强化学习;集成学习;结构优化

基金：陕西省自然科学基础研究计划陕煤联合基金项目(2019JLZ-08)；陕西省自然科学基础研究计划项目(2020JM-522,2021JM-396)；国家重点研发计划项目(2018YFC1900800-5,2018YFC1900801).

随机生成的回声状态网络动态储层存在大量冗余神经元,导致网络高维状态空间矩阵产生共线性问题而影响网络预测性能.为解决该问题,提出一种基于强化学习的储层神经元筛选优化方法(SC-ESN),其实质是基于集成学习的思想构建多个初始储备池,利用互信息度量储层池中每个神经元对网络性能的贡献,并结合强化学习的决策机制筛选出对网络输出有效的神经元,进而达到优化网络结构、提高网络预测性能的目的.基于人工数据集和实际数据集的实验表明,所提出的SC-ESN模型与其他预测模型相比,该模型在保证预测性能的前提下具有最小结构.

来源：2024年第9期

《控制与决策》期刊编辑部

查看控制与决策杂志2024年第9期