非线性处理：混沌系统的预测和无线通信节能

非线性处理：混沌系统的预测和无线通信节能(中文5000字,英文PDF)
摘要:本文提出了对非线性系统的一种学习方法——回声状态神经网络(ESNs)。ESNs是一种新型的递归神经网络，它最近被提出的在生物大脑方面独立作为一个学习方法。这种学习方法计算效率高，易于使用。在预测混沌时间序列的基准任务方面，比以前的技术在精度方面提高了2400倍。它的工程应用潜力是通过通信信道均衡来说明，其中信号误码率提高了两个数量级。
    在科学和工程领域中大量的存在非线性动力系统。如果想要来模拟、预测、分类或控制这样一个系统，则需要一个可执行的系统模型。但是，得到分析模型往往是不可行的。在这种情况下，就不得不采用黑箱模型，从而忽视了内部的物理机制，而只是重现了表面上可观察的目标的输入输出行为。
    如果目标系统是线性的,高效的黑箱建模方法是可行的。然而大多数技术系统如果操作在更高的操作点(即接近饱和)会变成非线性的。尽管这种设计会更便宜和更节能，但它仍然没有被使用，因为非线性的结果不能被利用。许多生物力学系统使用全动态范围(达到饱和),从而成为轻量化和节能，却彻底的非线性失真了。