[发明专利]一种基于Echo State Network的图像分类方法

权利要求书

1.一种基于Echo State Network的图像分类方法，其特征在于，包括以下构建网络结构、训练中的数据传输和更新、输出训练和图像分类处理的步骤，其中，储备池的各个参数设置为：储备池光谱半径λ为1.25，储备池大小Nx为2000，储备池输入单元的尺度IS为1，储备池的稀疏度SD为1e-8，泄漏率α为0.15，空转图像数量占10％。

2.根据权利要求1所述的基于Echo State Network的图像分类方法，其特征在于，构建网络结构步骤中，Echo State Network由输入层、储备池和输出层三个部分组成，输入层有K个神经元和一个偏置单元，输出层有L个神经元，储备池为N_x×N_x的矩阵。

3.根据权利要求1所述的基于Echo State Network的图像分类方法，其特征在于，训练中的数据传输和更新步骤中，在刚开始进行训练时，需要进行一定时间的空转，以形成稳定的内部状态，再将输出存入到矩阵中去。

4.根据权利要求1所述的基于Echo State Network的图像分类方法，其特征在于，ESN神经网络的节点状态更新方程为x(t+1)＝f(W_inu(t+1)+Wx(t))，其中x(t)为节点状态，u(t)为输入信号，t为时间步数，W_in为输入连接权。

5.根据权利要求1所述的基于Echo State Network的图像分类方法，其特征在于，储备池中的激活函数f为sigmoid函数。

6.根据权利要求1所述的基于Echo State Network的图像分类方法，其特征在于，输出训练步骤中，输出y(n)对于每个类都有一个维度，而y^label(n)在对应于正确类的维度中等于1，在其他所有地方等于零。

7.根据权利要求1所述的基于Echo State Network的图像分类方法，其特征在于，图像分类处理中，将分类值映射到整数值，每个整数值被表示为二进制向量，除了整数的索引为1之外，其他都是0值。

8.根据权利要求1所述的基于Echo State Network的图像分类方法，其特征在于，图像分类处理的公式为

y_j(m)表示y(m)的第j维，ω表示一段时间区间，ξy表示y在这个区间上的平均值。

9.根据权利要求1所述的基于Echo State Network的图像分类方法，其特征在于，图像分类处理步骤中，对数据进行了归一化处理，将有量纲的表达式经过变换化为无量纲的表达式，成为标量，公式为：a_norm＝(a-a_min)/(a_max-a_min)。