Este trabalho foi publicado pelo Galoá e tem um DOI depositado. Para citar este trabalho, use um dos padrões abaixo:
Caso você seja um dos co-autores e queira cadastrar esse trabalho no seu Currículo Lattes, use o seguinte código: doi > 10.17648/sbai-2019-111171
Se você NUNCA registrou um DOI no seu Lattes, veja nosso tutorial!O emprego de redes neurais recorrentes na identificação online de sistemas é bastante limitada em aplicações reais, principalmente devido à propagação do erro causada pela natureza iterativa da tarefa de predição ao longo de vários passos à frente. Tendo isso em mente, revisita-se questões de projeto relacionadas à robustez do modelo da rede de ecos de estados (echo state network, ESN) em tais cenários de aprendizado, usando um algoritmo de estimação recursiva e uma de suas variantes robusta a outlier. Por meio de um conjunto abrangente de experimentos, mostra-se que o desempenho da ESN é dependente da escolha adequada das vias de realimentação e que a instabilidade da previsão é ampliada pela norma do vetor de peso de saída, uma questão frequentemente negligenciada em estudos relacionados.
Com ~200 mil publicações revisadas por pesquisadores do mundo todo, o Galoá impulsiona cientistas na descoberta de pesquisas de ponta por meio de nossa plataforma indexada.
Confira nossos produtos e como podemos ajudá-lo a dar mais alcance para sua pesquisa:
Esse proceedings é identificado por um DOI , para usar em citações ou referências bibliográficas. Atenção: este não é um DOI para o jornal e, como tal, não pode ser usado em Lattes para identificar um trabalho específico.
Verifique o link "Como citar" na página do trabalho, para ver como citar corretamente o artigo