esn't pass access control check: No 'Access-Control-Allow-Origin' header is present on the requested resource.

这个错误信息是跨域问题导致的。当你在一个网站上请求另一个网站的资源时，浏览器会根据同源策略来判断是否允许这个请求。如果请求的资源与当前网页的协议、域名或端口不同，就会触发跨域问题。而这个错误提示就是因为请求的资源没有设置Access-Control-Allow-Origin头部信息，导致浏览器拒绝了这个请求。解决这个问题的方法有两种，一种是在后端接口controller中添加@CrossOrigin注解，另一种是使用网关来解决。同时，还需要仔细检查前端连接拼接是否正确，需要调用的方法名是否与后端中一致。

相关问题

esn't pass access control check: Redirect is not allowed for a preflight request.

这个问题通常是由于浏览器的跨域请求安全策略导致的。在进行跨域请求时，浏览器会先发送一个 OPTIONS 请求，获取服务器是否允许该跨域请求。如果服务器没有正确处理这个 OPTIONS 请求，就会出现上述错误。

解决这个问题的方法是在服务器端进行相应的配置，允许跨域请求。具体的方法可以参考一些跨域请求的解决方案，例如使用 CORS（跨域资源共享）等技术。

用ESN预测Macky-glass

Macky-Glass是一种非线性时间序列，ESN（Echo State Networks）是一种基于循环神经网络的机器学习模型，可以用于预测非线性时间序列。

以下是使用Python中的pyESN库来使用ESN模型预测Macky-Glass的示例代码：

import numpy as np
from pyESN import ESN

# 加载Macky-Glass数据集
data = np.loadtxt('Macky-Glass.csv', delimiter=',')

# 拆分训练集和测试集
train_len = int(len(data) * 0.7)
train_data = data[:train_len]
test_data = data[train_len:]

# 构建ESN模型
esn = ESN(n_inputs=1, n_outputs=1, n_reservoir=1000)
train_pred = esn.fit(train_data[:, 0], train_data[:, 1])
test_pred = esn.predict(test_data[:, 0])

# 计算预测误差
train_error = np.sqrt(np.mean((train_pred - train_data[:, 1])**2))
test_error = np.sqrt(np.mean((test_pred - test_data[:, 1])**2))
print('Train RMSE: %f' % train_error)
print('Test RMSE: %f' % test_error)

在此代码中，我们首先加载Macky-Glass数据集，并将其拆分为训练集和测试集。然后，我们使用ESN模型拟合训练集，并使用该模型预测测试集。最后，我们计算预测误差并输出结果。

这个示例代码只是一个简单的例子，您可以根据需要进行调整和扩展。