这篇博客介绍了EasyESN，一个基于Sklearn且易于使用的回声状态网络（Reservoir Computing）库。该库支持CPU和GPU计算，并提供了自动超参数优化功能，如岭回归惩罚、谱半径、泄漏率和反馈比例的调整。目前，EasyESN已包含基本特性和一些先进应用，未来计划扩展更多功能。文中还涵盖了载入、训练、预测等基本操作。
easy esn
“easyesn"是一个使用回声状态网络（esn，也称为"储层计算”）的递归神经网络库，具有高度易用的api，紧密面向"sklearn"。它旨在通过提供基于梯度的超参数自动调整（岭回归惩罚、谱半径、泄漏率和反馈比例）以及瞬态时间估计的算法，尽可能容易地利用"esn"。此外，它还集成了使用时空"esn"来预测和分类几何扩展输入信号的能力。
“easyesn"可以使用cpu，也可以使用gpu，这要感谢"cupy”。不过，目前建议使用CPU！
注意
目前，easyesn库不仅涵盖了储层计算的所有基本特征，而且还包括了一些新的、最先进的应用方法。
尽管如此，在未来的版本中还有更多的东西需要实现。
下面列出了这些特性要求和想法，它们的进展如下:
集成esn(25%)增加了对深度学习方法的支持作为输出方法(仍在开放)
提高了GPU计算性能(仍在部分开放，已完成预测)
教程
载入
from easyesn import PredictionESN
训练
esn.fit（x_train，y_train，transientTime=100，verbose=
最低0.47元/天 解锁文章
扫一扫
1988
到【灌水乐园】发言
