本文提出了一种基于均匀噪声训练集的深度学习建模方法，有效解决传统射频芯片建模中的非线性问题，能够准确捕捉非线性特性，具备良好的推广能力和实际应用价值。

提出了一种新的Reservoir Computing（RC）架构，称为Edge of Stability Echo State Network（ES2N）。ES2N模型通过将非线性储层和实现正交变换的线性储层的凸组合定义为储层层。实验表明，ES2N在自回归非线性建模中提供了有利的记忆和非线性折衷，并有显着的性能改进。