基于回声状态神经网络的脑运动皮层神经信号建模，周汉英，王永骥，回声状态神经网络（ESN）既是一种全新的回归神经网络，又是一种全新的学习方法。它的特点是通过大量神经元组成一个稀疏连接的网络

基于改进回声状态网络的混沌时间序列多步预测，张亚琦，杨凌，传统回声状态网络（ESN）对混沌时间序列的预测多用于不含噪声的理想条件，针对这一不足，本文选用小波分析与回声状态网络结合，提

一种新型回声状态网络及其在无线频谱预测中的应用研究，梁小东，杨凌，面向硬件实现需求，区别于经典回声状态网络动态储备池的随机生成模式，构造了一种具有确定性反馈连接的环状储备池，减少了储备池

为了提高网络热点话题的预测精度，针对传统回声状态网络存在的不足，提出一种改进回声状态网络的网络热点话题预测模型。首先将一维的网络热点话题时间序列重构成多维时间序列，然后采用改进回声状态网络对多维时间序列进行学习，建立网络热点话题预测模型，最后对模型性能进行仿真测试。结果表明，改进回声状态网络可对网络热点话题的变化趋势进行准确刻画，网络热点话题的预测精度得以提高，而具有更好的应用价值。

针对超短期负荷预测周期短，要求预测速度快的特点，构建了基于稳健回归和回声状态网络的超短期负荷预测方法。回声状态网络作为一种递归神经网络，其隐含层为一个储备池，并且通过线性回归训练网络，从而具有映射复杂动态系统的能力和训练快速的特点，能较好地满足超短期负荷预测的要求。考虑到异常负荷数据的影响，将稳健回归运用于网络训练阶段，以削弱异常值的影响，从而提升预测的精度。通过算例验证了所提方法的可行性和有效性。

里面包含三组网络流量数据，一组公共数据集，还有回声状态网络的matlab代码，主要包括2个方面，一个是对数据进行处理，另外一个是预测，提供给大家学习，希望有所帮助

实现了回声状态网络，同时含有一维数据集和测试案例，代码运行在jupyter notebook python3 环境下

用MATLAB实现基于回声的音频信息隐藏,用MATLAB产生回声的源代码

本文档将现在国内外流行的关于会啊生消除放卖弄的算法进行了一个横向和纵向的比较，非常实用，简明。是一份不可多得的好资料。

基于LMS的自适应回声抵消-f1.m 程序内容是取出一正弦信号中的高斯白噪声