针对回声状态网络(ESN) 结构设计复杂、参数选择难度大的问题, 提出一种具有small world 特性的ESN (SWESN). 首先采用神经元空间增长算法在平面区域生成small world 拓扑网络; 然后根据网络节点与基准点的 Euclidean 距离将网络节点进行重新排序, 并将平面上的物理节点及其连接映射为SWESN的内部神经元连接矩阵, 从而使动态神经元池具有small world 特性. 实验表明, SWESN动力学特性比常规ESN 更为丰富, 在鲁棒性、抗干扰 能力等方面均优于常规的ESN.