Deep_ESN_Pedrelli 该存储库包含以下论文中描述的DeepESN模型的实现： C. Gallicchio，A。Micheli，L。Pedrelli，“深度储层计算：关键实验分析”，神经计算，2017年，第1期。 268，第87-99页 它使用来自以下Luca Pedrelli的DeepESNpy Pyhon库的文件，这些文件经过修改可与本实验中的数据一起使用。 数据集 该研究的数据集可在以下位置找到： : 或者，在数据集文件夹中提供了一些小的示例集。 运行实验 可以使用以下文件运行以下实验： sweep.ipynb以运行参数扫描 single_model_full_traning.ipynb可以在更大的数据集上训练一个模型

可修改ESN号可修改ESN号可修改ESN号可修改ESN号可修改ESN号可修改ESN号可修改ESN号可修改ESN号可修改ESN号可修改ESN号可修改ESN号可修改ESN号

主要是用黑霉手机刷号用，改ESN的工具。有想要烧号的朋友，可以下来用用看看看。

MDN号码为本网移动用户作被叫时，主叫用户所需拨的号码。 采取E.164编码方式；存储在HLR和VLR中，在MAP接口上传送。DN号码的结构如下： CC + MAC + H0 H1 H2 H3 + ABCD其中： CC：是国家码，中国使用86。 MAC：是移动接入码，本网采用网号方案，为133。 H0H1H2H3：HLR识别码，由联通总部统一分配。 ABCD：移动用户号，由各HLR自行分配。

粒子群优化的回声状态神经网络，粒子群算法是通过模拟鸟群觅食行为而发展起来的一种基于群体协作的随机搜索算法。通常认为它是群集智能 (Swarm intelligence, SI) 的一种。

运行改ESN的小软件才把ESN清0的，但要改的ESN是80开头（据称的厂商保留的）的，所以写不进，如果ESN不是80开头应该一次就能写进。 后来通过用ESN算MEID的软件算出MEID,再用同时写入MEID和ESN的软件就OK了 具体方法是: 用80ESN-MEID转换器填进esn（只要填进后6位即可）算出meid（花了20多分钟）； 用ESNModify.exe (MEID ESN一键修改工具 1.04)，选好端口,填进meid和ESN，写入成功！

预测和训练ESN神经网络所需的数据集

（3）小结：两种网络对比 静态网络数学表达式： 动态网络数学表达式： 对比表达式，我们可以看出：动态网络内部存在带延迟因子的反馈连接，可以更好的反映动态系统的特性和演化行为 。而静态网络没有这种能力。

ESN(回声状态网络)是一种新型的递归神经网络,可有效处理非线性系统辨识以及混沌时间序列预测问题.针对ESN学习算法中可能存在的解的奇异问题,利用岭回归方法代替原有的线性回归算法.通过贝叶斯或Bootstrap 方法确定岭回归方法中的正则项系数,从而有效地控制输出权值的幅值,改善ESN的预测性能.该方法在月太阳黑子预测问题中显示出较好的结果.

不错的东西，注解详细，分类完被，我看了以后收获挺大的