论文部分内容阅读
提出一种基于回声状态网络(echo state networks,ESNs)的分类方法,借鉴集成学习的思想,采用随机子空间方法产生特征子集,对应特征子集生成多个储备池。利用回声状态网络仅需训练储备池至输出层的权值这一优点,将分类集成阶段融合于多储备池回声状态网络的学习过程中。基于标准数据集和模拟电路故障诊断的实验验证结果表明,与标准回声状态网络等方法相比,该方法有更低的分类错误率。