·10 北京科技大学学报 第34卷 1.0 1.0 (a 0.8 0.8 匹配最大相关 匹配最大相关 系数曲线 系数曲线 80.6 非匹配最大相关 非匹配最大相关 系数曲线 系数曲线 0.4 路0.4 0.2 0.2 0.5 1.0 1.5 2.02.53.0 3.54.0 0.51.01.5 2.02.5 3.03.54.0 1.0m 1.0m (e) d 08- 0.8 匹配最大相关 匹配最大相关 0.6 系数曲线 系数曲线 非匹配最大相关 非匹配最大相关 系数曲线 系数曲线 0.4 0.4 0.2 0.2 0.51.0 1.52.02.53.0 3.54.0 0.5 1.01.52.02.53.03.54.0 ,s 图5使用Datase3测试网络的最大相关系数曲线.(a)M1:(b)M2;(c)NM1:(d)NM2 Fig.5 Maximum correlation coefficient curves obtained using Dataset3 to test the network:(a)M1:(b)M2:(c)NMI:(d)NM2 1.01十 a 0.8 08 匹配最大相关 一匹配最大相关 系数曲线 系数曲线 非匹配最大相关 0.6 非匹配最大相关 系数曲线 系数曲线 0.4 0.2 0.2 05 1.0 1.5 2.0 30 0.5 1.0 1.5 2.0 30 发放时问问隔/s 发放时向向隔 1.0 王 0.8* 0.8 ~匹配最大相关 匹配最大相关 系数曲线 系数曲线 0.6 非匹配最大相关 非匹配最大相关 系数曲线 系数曲线 0.4 0.2 0.2 0.5 1.0 1.5 70 2.5 3.0 1.0 1.5 2.0 2.5 3.0 发放时间间隔/s 发放时间间隔/ 图6使用Dataset-4测试网络的最大相关系数曲线.(a)M1:(b)M2:(c)NM1:(d)NM2 Fig.6 Maximum correlation coefficient curves obtained using Dataset4 to test the network:(a)Ml:(b)M2:(c)NMI:(d)NM2 从以上实验结果可以看到，本文设计的ESN网 简单的易于判断的教师信号，模型能够在较短的训 络模型能够识别不同发放序列所组成的不同模式 练次数内“学会”不同的输入模式。从吸引子的角度 当序列模式分别为匹配和非匹配模式时，通过设定 分析，模型记忆了不同输入模式所对应的吸引子，并北 京 科 技 大 学 学 报 第 34 卷 图 5 使用 Datase3 测试网络的最大相关系数曲线． ( a) M1; ( b) M2; ( c) NM1; ( d) NM2 Fig． 5 Maximum correlation coefficient curves obtained using Dataset3 to test the network: ( a) M1; ( b) M2; ( c) NM1; ( d) NM2 图 6 使用 Dataset4 测试网络的最大相关系数曲线． ( a) M1; ( b) M2; ( c) NM1; ( d) NM2 Fig． 6 Maximum correlation coefficient curves obtained using Dataset4 to test the network: ( a) M1; ( b) M2; ( c) NM1; ( d) NM2 从以上实验结果可以看到，本文设计的 ESN 网 络模型能够识别不同发放序列所组成的不同模式． 当序列模式分别为匹配和非匹配模式时，通过设定 简单的易于判断的教师信号，模型能够在较短的训 练次数内“学会”不同的输入模式． 从吸引子的角度 分析，模型记忆了不同输入模式所对应的吸引子，并 ·10·