Le Echo State Network (ESN) rappresentano un approccio efficiente alla modellazione ed al training di reti neurali ricorrenti. In questo lavoro si analizza l'efficacia di algoritmi randomizzati basati su sketching di matrici per il training di tali reti, sia in termini di efficienza computazionale che di capacità di regolarizzazione.

Echo State Networks (ESNs) represent an efficient approach to recurrent neural network modeling and training. In this work, we investigate the effectiveness of randomized algorithms based on matrix sketching to train such networks, both in terms of computational efficiency and of regularization capabilities.