一种回声状态神经网络分类挖掘教学演示模型

王华秋

DOI：10.16644/j.cnki.cn33-1094/tp.2016.02.024

摘  要： 回声状态神经网络分类算法是一种重要的数据挖掘方法，是处理大数据分类的重要工具。但该算法原理比较抽象，从公式推导的角度很难让学生深刻理解，因此提出利用MATLAB数学软件实现回声状态神经网络分类算法，将其编译成.NET平台的COM组件，由Visual C#.NET集成开发环境下的应用程序调用编译后的MATLAB的COM组件，实现回声状态神经网络的分类模型。

关键词： 回声状态神经网络; 分类模型; MATLAB组件; Windows应用程序

中图分类号：G642          文献标志码：A     文章编号：1006-8228（2016）02-82-04

A teaching demonstration model of classification mining

based on echo state neural network

Wang Huaqiu

（Computer Science and Engineering College， Chongqing University of Technology， Chongqing 400054， China）

Abstract： Echo state neural network classification algorithm is an important data mining method， which is an important tool to deal with classification of Big data. But the principle of the algorithm is abstract and complex， and it is very difficult for the students to understand the essence of the algorithm from the angle of formula derivation. In this paper， echo state neural network classification algorithm is realized by MATLAB mathematics software， and is compiled into COM component on .NET platform. The compiled COM component is called by an application program， which is developed in Visual C#.NET integrated environment， to realize the echo state neural network classification model.

Key words： echo state neural network; classification model; MATLAB component; Windows application program

0 引言

回声状态神经网络（ESN）由Jaeger于2001年提出[1]，其特点在于将随机稀疏连接的神经元构成的储备池作为隐藏层，用以对输入进行高维的、非线性的表示。回声状态神经网络常用于解决数据分类决策问题，Alexandre等[2]提出面向静态模式分类的回声状态网络方法。彭喜元等[3]在此基础上提出了随机子空间多储备池分类模型，提高了传统回声状态网络分类模型的泛化能力及分类性能，郭嘉等[4]在Alexandre基础上提出了基于相应簇的回声状态网络静态分类方法，将储备池子簇与需分类数据类别数量建立对应关系，能够更好地满足对不同数据有针对性的分类需求。

神经网络分类算法是数据挖掘的一种重要方法，是教学中的重点环节，由于回声状态神经网络分类算法比较复杂，单从公式推导的角度讲解，学生会难以真正理解，因此需要编程实现这些算法，让学生有一个直观的认识，这种分类算法需用到多种数学公式，用高级语言编程代码量较大，学生依然难于理解，为了用少量的代码编写复杂的分类算法程序，本文采用专业数学软件MATLAB实现了回声状态神经网络分类算法。……