无需训练读层
通过引入脉冲时间相关塑性学习规则自适应调节液体层，并结合SVM直接在高维状态空间分类，有效解决动态时序数据下的复杂故障诊断问题。
万懿 · 王少萍 · 刘迪
Expert Systems with Applications 2025
直接使用SVM在液体层的高维状态空间中进行分类，避免了液体层到输出层权重的在线学习或迭代优化。
通过集成STDP学习规则，使网络能够自适应地学习和微调时间特征，从而应对动态复杂的时序数据。
在包含全新故障类别的PU数据集上，模型取得了81.25%的平均准确率，展现了良好的泛化能力。