Mackey_Glass_Reservoircomputing

储备池应用，预测Mackey_Glass混沌，初步了解储备池计算。

% A minimalistic Echo State Networks demo with Mackey-Glass （delay 17） data % in “plain“ Matlab. % by Mantas Lukosevicius 2012 % http://minds.jacobs-university.de/mantas % load the data 
function Mackey_Glass_Reservoircomputing
trainLen = 2000; %训练数据长2000
testLen = 2000; %测试长度2000
initLen = 100; %初始化储备池
data = load（‘MackeyGlass_t17.txt‘）;% plot some of it 
figure（10）; 
plot（data（1:10000））;     %绘制前1000个数据
title（‘A sample of data‘）; % generate the ESN reservoir  
inSize =1;
outSize =  1; %输入维数 
resSize = 1000; %储备池规模
a = 0.3; % leaking rate  更新速率，也可设为1
rand（ ‘seed‘ 42 ）;       
%随机生成Win 和 W
Win = （rand（resSize1+inSize）-0.5） .* 1;  %输入矩阵N*1+K
W = rand（resSizeresSize）-0.5;%储备池连接矩阵N*N
                              % Option 1 - direct scaling （quick&dirty reservoir-specific）: % 
W = W .* 0.13; % Option 2 - normalizing and setting spectral radius （correct slower）: 
disp ‘Computing spectral radius...‘;  %计算谱半径
opt.disp = 0; 
rhoW = abs（eigs（W1‘LM‘opt））; 
disp ‘done.‘ 
W = W .* （ 1.25 /rhoW）; % allocated memory for the design （collected states） matrix 
X = zeros（1+inSize+resSizetrainLen-initLen）; %储备池状态矩阵x（t），每一列是每个时刻的储备池状态，后面会转置 set the corresponding target matrix directly 
Yt = data（initLen+2:trainLen+1）‘; % run the reservoir with the data and collect X 
x = zeros（resSize1）; 
for t = 1:trainLen 
u = data（t）; 
x = （1-a）*x + a*tanh（ Win*[1;u] + W*x ）; 
if t > initLen X（:t-initLen） = [1;u;x]; 
end 
end % train the output 
reg = 1e-8; % regularization coefficient 
X_T = X‘; 
Wout = Yt*X_T * inv（X*X_T + reg*eye（1+inSize+resSize））; % 
Wout = Yt*pinv（X）; % run the trained ESN in a generative mode. no need to initialize here % because x is initialized with training data and we continue from there. 
Y = zeros（outSizetestLen）; 
u = data（trainLen+1）; 
for t = 1:testLen x = （1-a）*x + a*tanh（ Win*[1;u] + W*x ）; 
y = Wout*[1;u;x]; 
Y（:t） = y; % generative mode: 
u = y; % this would be a predictive mode: %
u = data（trainLen+t+1）; 
end 
errorLen = 500; 
mse = sum（（data（trainLen+2:trainLen+errorLen+1）‘-Y（11:errorLen））.^2）./errorLen; 
disp（ [‘MSE = ‘ num2str（ mse ）] ）; % plot some signals 
figure（1）; 
plot（ data（trainLen+2:trainLen+testLen+1） ‘color‘ [00.750] ）; 
hold on; 
plot（ Y‘ ‘b‘ ）; 
hold off; 
axis tight; 
title（‘Target and generated signals y（n） starting at n=0‘）; 
legend（‘Target signal‘ ‘Free-running predicted signal‘）; 
figure（2）; 
plot（ X（1:201:200）‘ ）; 
title（‘Some reservoir activations x（n）‘）; 
figure（3）; 
bar（ Wout‘ ） 
title（‘Output weights W^{out}‘）;

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件     265427  2017-12-20 09:30  Mackey_Glass_Reservoircomputing\MackeyGlass_t17.txt

     文件       2662  2018-03-29 16:34  Mackey_Glass_Reservoircomputing\Mackey_Glass_Reservoircomputing.m

     目录          0  2018-09-13 10:01  Mackey_Glass_Reservoircomputing

----------- ---------  ---------- -----  ----

               268089                    3