利用水波进行模拟和物理储备计算
该综述通过将物理沉积池按类型分类,概述了近期物理沉积池计算的进展,并讨论了与物理沉积池计算相关的当前问题和前景,以进一步扩展其实际应用和开发下一代机器学习系统。
Aug, 2018
利用表面流动液膜上激发的孤立波,实验证明一种物理上的储备计算系统,该系统通过对输入数据进行非线性转换来替代随机性的影响,从而作为传统储备计算算法的技术简单的硬件改进。
Jan, 2024
利用新的微磁模拟软件 Magnum.np,通过引入一个简单的神经网络中间层以及使用散射区域的自旋波导,我们在已有的环状自振装置的基础上构建了物理储层计算机,展示出与传统密集神经网络相当或更好的性能,适用于处理不同类型输入的各种真实数据集。
Apr, 2024
利用物理波动的动力学和循环神经网络之间的映射,我们设计了一种基于波动物理模型的模拟机器学习硬件平台,可以训练物理波系统来学习时间序列数据的复杂特征,并在声波传播的不均匀介质中完成原始语音信号的元音分类任务,标准的数字实现也可以在性能上得到可比较的表现。
Apr, 2019
该论文研究了随机库容计算机的普适性,证明了具有随机特性的库容计算机是一种普遍的逼近类,并通过两个实际应用示例展示了其在分类和混沌时间序列预测方面相对确定性库容计算机的高性能。
May, 2024
我们引入了一种量子 RC 系统,利用共振腔中的受探测原子的动力学,提出的量子储层可以使用较少的人工神经元进行快速可靠的预测,理论上验证了储层的操作并展示了在计算和能源资源有限的条件下使用近似计算方法进行可行预测的潜力。
Mar, 2024
本文提出了新的几何解释,解释了库沃塞蓝计算的现象,将其构建为强普适性水库系统;随机投影所有状态空间系统的家族,以产生 Volterra 级数扩展,生成随机系数的状态仿射水库系统能够通过为每个不同的滤波器训练一个不同的线性输出来近似任何消退存储过滤器类中的元素。
Sep, 2020
通过使用光电装置验证了一种最近提出的储层计算优化技术的实验。储层计算是一种强大的信号处理应用框架,而高效优化方法的发展仍是一个关键挑战。我们的技术仅利用输入信号的延迟版本来识别储层的最佳操作区域,简化了传统耗时的超参数调整任务。我们验证了这种方法在不同基准任务和储层操作条件下的有效性。
Jan, 2024
利用可变生物膜基 memcapacitor 作为 reservoir,在分类和分析时间序列数据的仿真和实验中实现了 98%的口语数字分类准确率和 0.0012 的非线性回归任务正常化均方误差。
May, 2023