BriefGPT - AI 论文速递
·
白高斯内部噪声对模拟回声态神经网络的影响
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
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。
🎯
关键要点
- 提出了一种新的Reservoir Computing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。
- 数学分析证明ES2N映射的整个Jacobian的特征谱可以包含在可控半径的复杂圆的环状邻域内。
- 利用这一属性证明ES2N的正向动力学设计得接近混沌边缘。
- 实验分析表明，ES2N能够达到理论上的最大短期记忆容量。
- 在自回归非线性建模中，ES2N提供了有利的记忆和非线性折衷，以及显着的性能改进。
➡️
