《表1 各种方法的对比：深度回声状态网络概述》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《深度回声状态网络概述》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

相比于其他的方法，Deep-ESN有如下几点特征（详见表1）:（1）多投影编码。Deep-ESN不是直接堆叠多个ESN，而是在储备池之间使用编码器，充分利用高维投影来获得丰富的多尺度输入动态表达；（2）多尺度特征融合。为了更好地融合每个储备池捕获的多尺度动态表示，添加了从每个编码器到最后一个输出层的连接，即特征链接；（3）简化训练。与以前的一些基于层次的ESN模型不同，Deep-ESN唯一可训练的层是最后一个输出层，它保留了储备池计算的高效计算而不依赖于梯度传播算法。