储备池计算概述

针对传统递归神经网络存在训练困难的问题,一种新的递归神经网络的训练方法——储备池计算被提出,这种方法的核心思想是只训练网络部分连接权,其余连接权一经产生就不再改变,网络的训练一般只需要通过求解线性回归问题.广义地说,储备池可以作为一种时序相关的核函数使用,从而完全拓展了其应用领域,使之不再仅仅是递归神经网络训练算法的一种改进.本文在介绍储备池计算基本数学模型的基础上,从储备池计算研究的热点问题——储备池适应性问题的角度,全面地分析了目前储备池计算的研究现状、热点及应用等方面的问题.