The asymptotic performance of linear echo state neural networks

Abstract : In this article, a study of the mean-square error (MSE) performance of linear echo-state neural networks is performed, both for training and testing tasks. Considering the realistic setting of noise present at the network nodes, we derive deterministic equivalents for the aforementioned MSE in the limit where the number of input data T and network size n both grow large. Specializing then the network connectivity matrix to specific random settings, we further obtain simple formulas that provide new insights on the performance of such networks.
Type de document :
Article dans une revue
Journal of Machine Learning Research, Journal of Machine Learning Research, 2016, 17 (178), pp.1-35
Liste complète des métadonnées

Littérature citée [14 références]  Voir  Masquer  Télécharger

https://hal.archives-ouvertes.fr/hal-01322809
Contributeur : Hafiz Tiomoko Ali <>
Soumis le : vendredi 27 mai 2016 - 17:03:09
Dernière modification le : jeudi 7 février 2019 - 17:48:46
Document(s) archivé(s) le : dimanche 28 août 2016 - 10:52:33

Fichier

1603.07866.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : hal-01322809, version 1

Citation

Romain Couillet, Gilles Wainrib, Harry Sevi, Hafiz Tiomoko Ali. The asymptotic performance of linear echo state neural networks. Journal of Machine Learning Research, Journal of Machine Learning Research, 2016, 17 (178), pp.1-35. 〈hal-01322809〉

Partager

Métriques

Consultations de la notice

300

Téléchargements de fichiers

76