<p>回声状态网络(ESN) 学习算法中可能存在解的奇异问题, 在时间序列预测时易导致病态解问题, 且伴随<br>
着具有较大幅值的输出权值, 尤其是当训练样本个数小于输出权值维数时, ESN 的解必为奇异的. 鉴于此, 考虑使<br>
用LM(Levenberg Marquardt) 算法代替常用的线性回归方法, 自适应选择LM参数, 从而有效地控制输出权值的幅值,<br>
提高ESN 的预测性能. 通过Lorenz 混沌时间序列进行预测研究, 对大连月平均气温实际数据进行仿真研究, 取得了<br>
较好的预测效果.</p>
