·766 智能系统学报 第11卷 算法[J].控制理论与应用，2014,31(5)：638-643. [52]QU B Y,LANG B F,LIANG JJ,et al.Two-hidden-layer LI Fanjun,QIAO Junfei,HAN Honghui.Incremental con- extreme learning machine for regression and classification structive extreme learning machine[].Control theory [J].Neurocomputing,2016,175:826-834. applications,2014,31(5):638-643. [53 ZHANG Nan,DING Shifei,ZHANG Jian.Multi layer [40]李凡军，韩红桂，乔俊飞.基于灵敏度分析法的ELM ELM-RBF for multi-label learning[J].Applied soft com- 剪枝算法[J】.控制与决策，2014,29(6)：1003-1008. puting,2016,43:535-545. LI Fanjun,HAN Honghui,QIAO Junfei.Pruning algorithm [54]HUNTER D,YU Hao,PUKISH M S,et al.Selection of for extreme learning machine based on sensitivity analysis[J]. proper neural network sizes and architectures-a comparative Control and Decision,2014,29(6):1003-1008. study [J].IEEE transactions on industrial informatics, [41]FENG Guorui,HUANG Guangbin,LIN Qingping,et al. 2012,8(2):228-240. Error minimized extreme learning machine with growth of [55]WILAMOWSKI B M.Challenges in applications of compu- hidden nodes and incremental learning[.IEEE transac- tational intelligence in industrial electronics[C]//Proceed- tions on neural networks,2009,20(8):1352-1357. ings of 2010 IEEE International Symposium on Industrial [42]MICHE Y,SORJAMAA A,BAS P,et al.OP-ELM:opti- Electronics.Bari:IEEE,2010:15-22. mally pruned extreme learning machine[J].IEEE transac- [56]WILAMOWSKI B M,COTTON N J,KAYNAK O,et al. tions on neural networks,2010,21(1):158-162. Computing gradient vector and jacobian matrix in arbitrarily [43]韩敏，李德才.基于替代函数及贝叶斯框架的1范数 connected neural networks [J].IEEE transactions on in- ELM算法[J].自动化学报，2011,37(11)：1344- dustrial electronics,2008,55(10):3784-3790. 1350. [57]OAKDEN A.Cascade networks and extreme learning ma- HAN Min,LI Decai.An norm 1 regularization term elm al- chines D].Canberra:Australian National University, gorithm based on surrogate function and bayesian frame- 2014. work[J].Acta automatica sinica,2011,37(11):1344- [58]LI Fanjun,QIAO Junfei,HAN Honggui,et al.A self-or- 1350. ganizing cascade neural network with random weights for [44]MICHE Y,VAN HEESWIJK M,BAS P,et al.TROP- nonlinear system modeling[J].Applied soft computing, ELM:a double-regularized ELM using LARS and Tikhonov 2016.42:184-193. regularization[J].Neurocomputing,2011,74(16):2413 [59]JAEGER H,HAAS H.Haressing nonlinearity:predicting -2421. chaotic systems and saving energy in wireless communica- [45]MICHE Y,AKUSOK A,VEGANZONES D,et al.SOM- tiom[J].Science,2004,304(5667):78-80. ELM-Self-organized clustering using ELM[J].Neurocom- [60]SKOWRONSKI M D,HARRIS J G.Automatic speech rec- puting,2015,165:238-254. ognition using a predictive echo state network classifier J]. [46]HUANG Gao,LIU Tianchi,YANG Yan,et al.Discrimi- Neural networks,2007,20(3):414-423. native clustering via extreme learning machine[J].Neural [61]XIA Yili,JELFS B,VAN HULLE MM,et al.An aug- networks,2015,70:1-8. mented echo state network for nonlinear adaptive filtering of [47]ISLAM MM,SATTAR M A,AMIN M F,et al.A new complex noncircular signals[J].IEEE transactions on neu- constructive algorithm for architectural and functional adap- ral networks,2011,22(1):74-83 tation of artificial neural networks[J].IEEE transactions [62]LUKOSEVICIUS M,JAEGER H.Reservoir computing ap- on systems,man,and cybernetics,part B(cybernetics), proaches to recurrent neural network training[J].Computer 2009,39(6):1590-1605. science review,2009,3(3):127-149. [48]SCHMIDHUBER J.Deep learning in neural networks:an 「63]彭宇，王建民，彭喜元.储备池计算概述「J].电子学 overview[J].Neural networks,2014,61:85-117. 报，2011,39(10)：2387-2396. [49]HAN Honggui,WANG Lidan,QIAO Junfei.Hierarchical PENG Yu,WANG Jianmin,PENG Xiyuan.Survey on res- extreme learning machine for feedforward neural network ervoir computing[J].Acta electronica sinica,2011,39 [J].Neurocomputing,2014,128:128-135. (10):2387-2396. [50]QU B Y,LANG B F,LIANG J J,et al.Two-hidden-layer [64 QIAO Junfei,LI Fanjun,HAN Honggui,et al.Growing extreme learning machine for regression and classification echo-state network with multiple subreservoirs[].IEEE [J].Neurocomputing,2016,175:826-834. transactions on neural networks and learning systems, [51]ZHANG Jian,DING Shifei,ZHANG Nan,et al.Incre- 2016,99:1-14. mental extreme learning machine based on deep feature [65 DENG Zhidong,ZHANG Yi.Collective behavior of a embedded[J].International journal of machine learning small-world recurrent neural system with scale-free distri- and cybernetics,2016,7(1):111-120. bution[J].IEEE transactions on neural networks,2007,算法［Ｊ］． 控制理论与应用， ２０１４， ３１（５）： ６３８－６４３． ＬＩ Ｆａｎｊｕｎ， ＱＩＡＯ Ｊｕｎｆｅｉ， ＨＡＮ Ｈｏｎｇｈｕｉ． Ｉｎｃｒｅｍｅｎｔａｌ ｃｏｎ⁃ ｓｔｒｕｃｔｉｖｅ ｅｘｔｒｅｍｅ ｌｅａｒｎｉｎｇ ｍａｃｈｉｎｅ ［ Ｊ］． Ｃｏｎｔｒｏｌ ｔｈｅｏｒｙ ＆ ａｐｐｌｉｃａｔｉｏｎｓ， ２０１４， ３１（５）： ６３８－６４３． ［４０］李凡军， 韩红桂， 乔俊飞． 基于灵敏度分析法的 ＥＬＭ 剪枝算法［Ｊ］． 控制与决策， ２０１４， ２９（６）： １００３－１００８． ＬＩ Ｆａｎｊｕｎ， ＨＡＮ Ｈｏｎｇｈｕｉ， ＱＩＡＯ Ｊｕｎｆｅｉ． Ｐｒｕｎｉｎｇ ａｌｇｏｒｉｔｈｍ ｆｏｒ ｅｘｔｒｅｍｅ ｌｅａｒｎｉｎｇ ｍａｃｈｉｎｅ ｂａｓｅｄ ｏｎ ｓｅｎｓｉｔｉｖｉｔｙ ａｎａｌｙｓｉｓ［Ｊ］． Ｃｏｎｔｒｏｌ ａｎｄ Ｄｅｃｉｓｉｏｎ， ２０１４， ２９（６）： １００３－１００８． ［４１］ ＦＥＮＧ Ｇｕｏｒｕｉ， ＨＵＡＮＧ Ｇｕａｎｇｂｉｎ， ＬＩＮ Ｑｉｎｇｐｉｎｇ， ｅｔ ａｌ． Ｅｒｒｏｒ ｍｉｎｉｍｉｚｅｄ ｅｘｔｒｅｍｅ ｌｅａｒｎｉｎｇ ｍａｃｈｉｎｅ ｗｉｔｈ ｇｒｏｗｔｈ ｏｆ ｈｉｄｄｅｎ ｎｏｄｅｓ ａｎｄ ｉｎｃｒｅｍｅｎｔａｌ ｌｅａｒｎｉｎｇ［ Ｊ］． ＩＥＥＥ ｔｒａｎｓａｃ⁃ ｔｉｏｎｓ ｏｎ ｎｅｕｒａｌ ｎｅｔｗｏｒｋｓ， ２００９， ２０（８）： １３５２－１３５７． ［４２］ＭＩＣＨＥ Ｙ， ＳＯＲＪＡＭＡＡ Ａ， ＢＡＳ Ｐ， ｅｔ ａｌ． ＯＰ⁃ＥＬＭ： ｏｐｔｉ⁃ ｍａｌｌｙ ｐｒｕｎｅｄ ｅｘｔｒｅｍｅ ｌｅａｒｎｉｎｇ ｍａｃｈｉｎｅ［Ｊ］． ＩＥＥＥ ｔｒａｎｓａｃ⁃ ｔｉｏｎｓ ｏｎ ｎｅｕｒａｌ ｎｅｔｗｏｒｋｓ， ２０１０， ２１（１）： １５８－１６２． ［４３］韩敏， 李德才． 基于替代函数及贝叶斯框架的 １ 范数 ＥＬＭ 算法 ［ Ｊ］． 自动化学报， ２０１１， ３７ （ １１）： １３４４ － １３５０． ＨＡＮ Ｍｉｎ， ＬＩ Ｄｅｃａｉ． Ａｎ ｎｏｒｍ １ ｒｅｇｕｌａｒｉｚａｔｉｏｎ ｔｅｒｍ ｅｌｍ ａｌ⁃ ｇｏｒｉｔｈｍ ｂａｓｅｄ ｏｎ ｓｕｒｒｏｇａｔｅ ｆｕｎｃｔｉｏｎ ａｎｄ ｂａｙｅｓｉａｎ ｆｒａｍｅ⁃ ｗｏｒｋ［Ｊ］． Ａｃｔａ ａｕｔｏｍａｔｉｃａ ｓｉｎｉｃａ， ２０１１， ３７（１１）： １３４４－ １３５０． ［４４］ ＭＩＣＨＥ Ｙ， ＶＡＮ ＨＥＥＳＷＩＪＫ Ｍ， ＢＡＳ Ｐ， ｅｔ ａｌ． ＴＲＯＰ⁃ ＥＬＭ： ａ ｄｏｕｂｌｅ⁃ｒｅｇｕｌａｒｉｚｅｄ ＥＬＭ ｕｓｉｎｇ ＬＡＲＳ ａｎｄ Ｔｉｋｈｏｎｏｖ ｒｅｇｕｌａｒｉｚａｔｉｏｎ［Ｊ］． Ｎｅｕｒｏｃｏｍｐｕｔｉｎｇ， ２０１１， ７４（１６）： ２４１３ －２４２１． ［４５］ＭＩＣＨＥ Ｙ， ＡＫＵＳＯＫ Ａ， ＶＥＧＡＮＺＯＮＥＳ Ｄ， ｅｔ ａｌ． ＳＯＭ⁃ ＥＬＭ⁃Ｓｅｌｆ⁃ｏｒｇａｎｉｚｅｄ ｃｌｕｓｔｅｒｉｎｇ ｕｓｉｎｇ ＥＬＭ［ Ｊ］． Ｎｅｕｒｏｃｏｍ⁃ ｐｕｔｉｎｇ， ２０１５， １６５： ２３８－２５４． ［４６］ＨＵＡＮＧ Ｇａｏ， ＬＩＵ Ｔｉａｎｃｈｉ， ＹＡＮＧ Ｙａｎ， ｅｔ ａｌ． Ｄｉｓｃｒｉｍｉ⁃ ｎａｔｉｖｅ ｃｌｕｓｔｅｒｉｎｇ ｖｉａ ｅｘｔｒｅｍｅ ｌｅａｒｎｉｎｇ ｍａｃｈｉｎｅ［ Ｊ］． Ｎｅｕｒａｌ ｎｅｔｗｏｒｋｓ， ２０１５， ７０： １－８． ［４７］ＩＳＬＡＭ Ｍ Ｍ， ＳＡＴＴＡＲ Ｍ Ａ， ＡＭＩＮ Ｍ Ｆ， ｅｔ ａｌ． Ａ ｎｅｗ ｃｏｎｓｔｒｕｃｔｉｖｅ ａｌｇｏｒｉｔｈｍ ｆｏｒ ａｒｃｈｉｔｅｃｔｕｒａｌ ａｎｄ ｆｕｎｃｔｉｏｎａｌ ａｄａｐ⁃ ｔａｔｉｏｎ ｏｆ ａｒｔｉｆｉｃｉａｌ ｎｅｕｒａｌ ｎｅｔｗｏｒｋｓ ［ Ｊ］． ＩＥＥＥ ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ ｓｙｓｔｅｍｓ， ｍａｎ， ａｎｄ ｃｙｂｅｒｎｅｔｉｃｓ， ｐａｒｔ Ｂ （ ｃｙｂｅｒｎｅｔｉｃｓ）， ２００９， ３９（６）： １５９０－１６０５． ［４８］ ＳＣＨＭＩＤＨＵＢＥＲ Ｊ． Ｄｅｅｐ ｌｅａｒｎｉｎｇ ｉｎ ｎｅｕｒａｌ ｎｅｔｗｏｒｋｓ： ａｎ ｏｖｅｒｖｉｅｗ［Ｊ］． Ｎｅｕｒａｌ ｎｅｔｗｏｒｋｓ， ２０１４， ６１： ８５－１１７． ［４９］ＨＡＮ Ｈｏｎｇｇｕｉ， ＷＡＮＧ Ｌｉｄａｎ， ＱＩＡＯ Ｊｕｎｆｅｉ． Ｈｉｅｒａｒｃｈｉｃａｌ ｅｘｔｒｅｍｅ ｌｅａｒｎｉｎｇ ｍａｃｈｉｎｅ ｆｏｒ ｆｅｅｄｆｏｒｗａｒｄ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ ［Ｊ］． Ｎｅｕｒｏｃｏｍｐｕｔｉｎｇ， ２０１４， １２８： １２８－１３５． ［５０］ＱＵ Ｂ Ｙ， ＬＡＮＧ Ｂ Ｆ， ＬＩＡＮＧ Ｊ Ｊ， ｅｔ ａｌ． Ｔｗｏ⁃ｈｉｄｄｅｎ⁃ｌａｙｅｒ ｅｘｔｒｅｍｅ ｌｅａｒｎｉｎｇ ｍａｃｈｉｎｅ ｆｏｒ ｒｅｇｒｅｓｓｉｏｎ ａｎｄ ｃｌａｓｓｉｆｉｃａｔｉｏｎ ［Ｊ］． Ｎｅｕｒｏｃｏｍｐｕｔｉｎｇ， ２０１６， １７５： ８２６－８３４． ［５１］ ＺＨＡＮＧ Ｊｉａｎ， ＤＩＮＧ Ｓｈｉｆｅｉ， ＺＨＡＮＧ Ｎａｎ， ｅｔ ａｌ． Ｉｎｃｒｅ⁃ ｍｅｎｔａｌ ｅｘｔｒｅｍｅ ｌｅａｒｎｉｎｇ ｍａｃｈｉｎｅ ｂａｓｅｄ ｏｎ ｄｅｅｐ ｆｅａｔｕｒｅ ｅｍｂｅｄｄｅｄ［ Ｊ］． Ｉｎｔｅｒｎａｔｉｏｎａｌ ｊｏｕｒｎａｌ ｏｆ ｍａｃｈｉｎｅ ｌｅａｒｎｉｎｇ ａｎｄ ｃｙｂｅｒｎｅｔｉｃｓ， ２０１６， ７（１）： １１１－１２０． ［５２］ＱＵ Ｂ Ｙ， ＬＡＮＧ Ｂ Ｆ， ＬＩＡＮＧ Ｊ Ｊ， ｅｔ ａｌ． Ｔｗｏ⁃ｈｉｄｄｅｎ⁃ｌａｙｅｒ ｅｘｔｒｅｍｅ ｌｅａｒｎｉｎｇ ｍａｃｈｉｎｅ ｆｏｒ ｒｅｇｒｅｓｓｉｏｎ ａｎｄ ｃｌａｓｓｉｆｉｃａｔｉｏｎ ［Ｊ］． Ｎｅｕｒｏｃｏｍｐｕｔｉｎｇ， ２０１６， １７５： ８２６－８３４． ［５３］ ＺＨＡＮＧ Ｎａｎ， ＤＩＮＧ Ｓｈｉｆｅｉ， ＺＨＡＮＧ Ｊｉａｎ． Ｍｕｌｔｉ ｌａｙｅｒ ＥＬＭ⁃ＲＢＦ ｆｏｒ ｍｕｌｔｉ⁃ｌａｂｅｌ ｌｅａｒｎｉｎｇ［ Ｊ］． Ａｐｐｌｉｅｄ ｓｏｆｔ ｃｏｍ⁃ ｐｕｔｉｎｇ， ２０１６， ４３： ５３５－５４５． ［５４］ＨＵＮＴＥＲ Ｄ， ＹＵ Ｈａｏ， ＰＵＫＩＳＨ Ｍ Ｓ， ｅｔ ａｌ． Ｓｅｌｅｃｔｉｏｎ ｏｆ ｐｒｏｐｅｒ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ ｓｉｚｅｓ ａｎｄ ａｒｃｈｉｔｅｃｔｕｒｅｓ⁃ａ ｃｏｍｐａｒａｔｉｖｅ ｓｔｕｄｙ ［ Ｊ］． ＩＥＥＥ ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ ｉｎｄｕｓｔｒｉａｌ ｉｎｆｏｒｍａｔｉｃｓ， ２０１２， ８（２）： ２２８－２４０． ［５５］ＷＩＬＡＭＯＷＳＫＩ Ｂ Ｍ． Ｃｈａｌｌｅｎｇｅｓ ｉｎ ａｐｐｌｉｃａｔｉｏｎｓ ｏｆ ｃｏｍｐｕ⁃ ｔａｔｉｏｎａｌ ｉｎｔｅｌｌｉｇｅｎｃｅ ｉｎ ｉｎｄｕｓｔｒｉａｌ ｅｌｅｃｔｒｏｎｉｃｓ［Ｃ］ ／ ／ Ｐｒｏｃｅｅｄ⁃ ｉｎｇｓ ｏｆ ２０１０ ＩＥＥＥ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｓｙｍｐｏｓｉｕｍ ｏｎ Ｉｎｄｕｓｔｒｉａｌ Ｅｌｅｃｔｒｏｎｉｃｓ． Ｂａｒｉ： ＩＥＥＥ， ２０１０： １５－２２． ［５６］ＷＩＬＡＭＯＷＳＫＩ Ｂ Ｍ， ＣＯＴＴＯＮ Ｎ Ｊ， ＫＡＹＮＡＫ Ｏ， ｅｔ ａｌ． Ｃｏｍｐｕｔｉｎｇ ｇｒａｄｉｅｎｔ ｖｅｃｔｏｒ ａｎｄ ｊａｃｏｂｉａｎ ｍａｔｒｉｘ ｉｎ ａｒｂｉｔｒａｒｉｌｙ ｃｏｎｎｅｃｔｅｄ ｎｅｕｒａｌ ｎｅｔｗｏｒｋｓ ［ Ｊ］． ＩＥＥＥ ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ ｉｎ⁃ ｄｕｓｔｒｉａｌ ｅｌｅｃｔｒｏｎｉｃｓ， ２００８， ５５（１０）： ３７８４－３７９０． ［５７］ ＯＡＫＤＥＮ Ａ． Ｃａｓｃａｄｅ ｎｅｔｗｏｒｋｓ ａｎｄ ｅｘｔｒｅｍｅ ｌｅａｒｎｉｎｇ ｍａ⁃ ｃｈｉｎｅｓ ［ Ｄ］． Ｃａｎｂｅｒｒａ： Ａｕｓｔｒａｌｉａｎ Ｎａｔｉｏｎａｌ Ｕｎｉｖｅｒｓｉｔｙ， ２０１４． ［５８］ＬＩ Ｆａｎｊｕｎ， ＱＩＡＯ Ｊｕｎｆｅｉ， ＨＡＮ Ｈｏｎｇｇｕｉ， ｅｔ ａｌ． Ａ ｓｅｌｆ⁃ｏｒ⁃ ｇａｎｉｚｉｎｇ ｃａｓｃａｄｅ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ ｗｉｔｈ ｒａｎｄｏｍ ｗｅｉｇｈｔｓ ｆｏｒ ｎｏｎｌｉｎｅａｒ ｓｙｓｔｅｍ ｍｏｄｅｌｉｎｇ ［ Ｊ］． Ａｐｐｌｉｅｄ ｓｏｆｔ ｃｏｍｐｕｔｉｎｇ， ２０１６， ４２： １８４－１９３． ［５９］ＪＡＥＧＥＲ Ｈ， ＨＡＡＳ Ｈ． Ｈａｒｎｅｓｓｉｎｇ ｎｏｎｌｉｎｅａｒｉｔｙ： ｐｒｅｄｉｃｔｉｎｇ ｃｈａｏｔｉｃ ｓｙｓｔｅｍｓ ａｎｄ ｓａｖｉｎｇ ｅｎｅｒｇｙ ｉｎ ｗｉｒｅｌｅｓｓ ｃｏｍｍｕｎｉｃａ⁃ ｔｉｏｎ［Ｊ］． Ｓｃｉｅｎｃｅ， ２００４， ３０４（５６６７）： ７８－８０． ［６０］ＳＫＯＷＲＯＮＳＫＩ Ｍ Ｄ， ＨＡＲＲＩＳ Ｊ Ｇ． Ａｕｔｏｍａｔｉｃ ｓｐｅｅｃｈ ｒｅｃ⁃ ｏｇｎｉｔｉｏｎ ｕｓｉｎｇ ａ ｐｒｅｄｉｃｔｉｖｅ ｅｃｈｏ ｓｔａｔｅ ｎｅｔｗｏｒｋ ｃｌａｓｓｉｆｉｅｒ［Ｊ］． Ｎｅｕｒａｌ ｎｅｔｗｏｒｋｓ， ２００７， ２０（３）： ４１４－４２３． ［６１］ＸＩＡ Ｙｉｌｉ， ＪＥＬＦＳ Ｂ， ＶＡＮ ＨＵＬＬＥ Ｍ Ｍ， ｅｔ ａｌ． Ａｎ ａｕｇ⁃ ｍｅｎｔｅｄ ｅｃｈｏ ｓｔａｔｅ ｎｅｔｗｏｒｋ ｆｏｒ ｎｏｎｌｉｎｅａｒ ａｄａｐｔｉｖｅ ｆｉｌｔｅｒｉｎｇ ｏｆ ｃｏｍｐｌｅｘ ｎｏｎｃｉｒｃｕｌａｒ ｓｉｇｎａｌｓ［Ｊ］． ＩＥＥＥ ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ ｎｅｕ⁃ ｒａｌ ｎｅｔｗｏｒｋｓ， ２０１１， ２２（１）： ７４－８３． ［６２］ＬＵＫＯＳＥＶＩＣＩＵＳ Ｍ， ＪＡＥＧＥＲ Ｈ． Ｒｅｓｅｒｖｏｉｒ ｃｏｍｐｕｔｉｎｇ ａｐ⁃ ｐｒｏａｃｈｅｓ ｔｏ ｒｅｃｕｒｒｅｎｔ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ ｔｒａｉｎｉｎｇ［Ｊ］． Ｃｏｍｐｕｔｅｒ ｓｃｉｅｎｃｅ ｒｅｖｉｅｗ， ２００９， ３（３）： １２７－１４９． ［６３］彭宇， 王建民， 彭喜元． 储备池计算概述［ Ｊ］． 电子学 报， ２０１１， ３９（１０）： ２３８７－２３９６． ＰＥＮＧ Ｙｕ， ＷＡＮＧ Ｊｉａｎｍｉｎ， ＰＥＮＧ Ｘｉｙｕａｎ． Ｓｕｒｖｅｙ ｏｎ ｒｅｓ⁃ ｅｒｖｏｉｒ ｃｏｍｐｕｔｉｎｇ ［ Ｊ］． Ａｃｔａ ｅｌｅｃｔｒｏｎｉｃａ ｓｉｎｉｃａ， ２０１１， ３９ （１０）： ２３８７－２３９６． ［６４］ ＱＩＡＯ Ｊｕｎｆｅｉ， ＬＩ Ｆａｎｊｕｎ， ＨＡＮ Ｈｏｎｇｇｕｉ， ｅｔ ａｌ． Ｇｒｏｗｉｎｇ ｅｃｈｏ⁃ｓｔａｔｅ ｎｅｔｗｏｒｋ ｗｉｔｈ ｍｕｌｔｉｐｌｅ ｓｕｂｒｅｓｅｒｖｏｉｒｓ ［ Ｊ］． ＩＥＥＥ ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ ｎｅｕｒａｌ ｎｅｔｗｏｒｋｓ ａｎｄ ｌｅａｒｎｉｎｇ ｓｙｓｔｅｍｓ， ２０１６， ９９： １－１４． ［６５］ ＤＥＮＧ Ｚｈｉｄｏｎｇ， ＺＨＡＮＧ Ｙｉ． Ｃｏｌｌｅｃｔｉｖｅ ｂｅｈａｖｉｏｒ ｏｆ ａ ｓｍａｌｌ⁃ｗｏｒｌｄ ｒｅｃｕｒｒｅｎｔ ｎｅｕｒａｌ ｓｙｓｔｅｍ ｗｉｔｈ ｓｃａｌｅ⁃ｆｒｅｅ ｄｉｓｔｒｉ⁃ ｂｕｔｉｏｎ［Ｊ］． ＩＥＥＥ ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ ｎｅｕｒａｌ ｎｅｔｗｏｒｋｓ， ２００７， ·７６６· 智 能 系 统 学 报 第 １１ 卷