利用合成活性微粒进行物理储层计算
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
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
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
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
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
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
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
光子储水池计算作为加速时间序列预测的硬件实现需求的最新技术,已被广泛运用,然而在预测混沌时间序列方面,传统的储水池计算模型在准确性方面存在一定局限性,因此我们引入了一种注意力机制,用于增强储水池计算模型输出阶段的预测准确性,实验结果表明,采用注意力机制的光子储水池计算能够提高较小储水池的预测能力,这些进展凸显了储水池计算在准确预测混沌时间序列的实际应用中的变革性可能性。
Dec, 2023
利用名为 “储集计算” 的机器学习方法成功地进行了混沌动力系统的短期预测和吸引子重构研究。我们提出了一个理论框架,描述了储集计算可以创建具有短期预测能力和准确长期遗传行为的经验模型的条件,并通过数值实验说明了这个理论。我们还认为这个理论适用于某些其他时间序列预测的机器学习方法。
May, 2018
本文综述和批判性分析了水波动的独特物理特性和能量驱动下模拟计算和水库计算领域的最近进展,并证明这些技术具有将人工智能引入大城市以外地区的潜力,从而使人们享受到在大城市已经行之有效的新技术所带来的种种好处。
Jun, 2023