論文の概要: Deep Time-Delay Reservoir Computing: Dynamics and Memory Capacity
- arxiv url: http://arxiv.org/abs/2006.06322v2
- Date: Tue, 25 Aug 2020 09:11:43 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-22 14:41:23.291679
- Title: Deep Time-Delay Reservoir Computing: Dynamics and Memory Capacity
- Title(参考訳): Deep Time-Delay Reservoir Computing: ダイナミクスとメモリ容量
- Authors: Mirko Goldmann, Felix K\"oster, Kathy L\"udge and Serhiy Yanchuk
- Abstract要約: 池田深部貯水池の動的特性と記憶容量の関係について述べる。
条件付きリアプノフ指数の分岐や等級にMCが系距離とどのように関係しているかを示す。
数値シミュレーションでは、MCの全層におけるクロックサイクルと遅延の共鳴が示される。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The Deep Time-Delay Reservoir Computing concept utilizes unidirectionally
connected systems with time-delays for supervised learning. We present how the
dynamical properties of a deep Ikeda-based reservoir are related to its memory
capacity (MC) and how that can be used for optimization. In particular, we
analyze bifurcations of the corresponding autonomous system and compute
conditional Lyapunov exponents, which measure the generalized synchronization
between the input and the layer dynamics. We show how the MC is related to the
systems distance to bifurcations or magnitude of the conditional Lyapunov
exponent. The interplay of different dynamical regimes leads to a adjustable
distribution between linear and nonlinear MC. Furthermore, numerical
simulations show resonances between clock cycle and delays of the layers in all
degrees of the MC. Contrary to MC losses in a single-layer reservoirs, these
resonances can boost separate degrees of the MC and can be used, e.g., to
design a system with maximum linear MC. Accordingly, we present two
configurations that empower either high nonlinear MC or long time linear MC.
- Abstract(参考訳): Deep Time-Delay Reservoir Computingの概念は、一方向接続されたシステムと時間遅延を使って教師付き学習を行う。
本稿では,池田深部貯水池の動的特性がメモリ容量(MC)とどのように関係しているか,最適化にどのように使用できるかを示す。
特に、対応する自律システムの分岐解析を行い、入力と層動力学の間の一般化された同期を測定する条件付きリアプノフ指数を計算する。
条件付きリアプノフ指数の分岐や等級にMCが系距離とどのように関係しているかを示す。
異なる動的レジームの相互作用は線形と非線形のmc間の調整可能な分布をもたらす。
さらに, シミュレーションにより, MCの全層におけるクロックサイクルと遅延の共振を示す。
単層貯水池でのmc損失とは対照的に、これらの共鳴はmcの分離度を増加させ、例えば最大線形mcを持つシステムを設計するために使うことができる。
そこで我々は,高非線形mcと長時間線形mcのどちらかを付与する2つの構成を示す。
関連論文リスト
- Information scrambling and entanglement dynamics in Floquet Time Crystals [49.1574468325115]
本研究では, 乱れたシステムにおける情報伝達の指標として, 時間外相関器(OTOC)のダイナミクスとエントロピーの絡み合いについて検討する。
論文 参考訳(メタデータ) (2024-11-20T17:18:42Z) - Integrating Multimodal Data for Joint Generative Modeling of Complex Dynamics [6.848555909346641]
最適復元のための様々な情報ソースを組み合わせるための効率的なフレームワークを提供する。
我々のフレームワークは完全にテキスト生成され、訓練後に、基底真理系と同じ幾何学的、時間的構造を持つ軌道を生成します。
論文 参考訳(メタデータ) (2022-12-15T15:21:28Z) - Data-Driven Time Propagation of Quantum Systems with Neural Networks [0.0]
時間内に量子システムを伝播する教師あり機械学習の可能性について検討する。
ニューラルネットワークは、将来いつでもタイムプロパゲータとして機能し、自動回帰を形成する時間内に寝ることを示します。
論文 参考訳(メタデータ) (2022-01-27T17:08:30Z) - Deep Explicit Duration Switching Models for Time Series [84.33678003781908]
状態依存型と時間依存型の両方のスイッチングダイナミクスを識別できるフレキシブルモデルを提案する。
状態依存スイッチングは、リカレントな状態-スイッチ接続によって実現される。
時間依存スイッチング動作を改善するために、明示的な期間カウント変数が使用される。
論文 参考訳(メタデータ) (2021-10-26T17:35:21Z) - Master memory function for delay-based reservoir computers with
single-variable dynamics [0.0]
多くの遅延型貯水池コンピュータはユニバーサルマスターメモリ関数(MMF)によって特徴付けられることを示す。
2つの独立したパラメータに対して計算されると、この関数は小さな入力を持つ遅延ベースの単一変数貯水池に対して線形メモリ容量を提供する。
論文 参考訳(メタデータ) (2021-08-28T13:17:24Z) - Fast and differentiable simulation of driven quantum systems [58.720142291102135]
我々は、ダイソン展開に基づく半解析手法を導入し、標準数値法よりもはるかに高速に駆動量子系を時間発展させることができる。
回路QEDアーキテクチャにおけるトランスモン量子ビットを用いた2量子ゲートの最適化結果を示す。
論文 参考訳(メタデータ) (2020-12-16T21:43:38Z) - Continuous and time-discrete non-Markovian system-reservoir
interactions: Dissipative coherent quantum feedback in Liouville space [62.997667081978825]
2つの構造型貯水池に同時に露出する量子系について検討する。
対角線と対角線と外対角線の両方の貯留層相互作用を2倍のメモリと組み合わせた数値的精度の擬似2次元テンソルネットワークを用いて連続的および離散的遅延効果を示す。
例えば、離散フォトニックフィードバックと構造された音響フォノノノビアンモードの非マルコフ的相互作用を考察し、初期励起された2レベルシステム内での貯留層間相関と長寿命個体群トラップの出現を導いた。
論文 参考訳(メタデータ) (2020-11-10T12:38:35Z) - Hierarchical Deep Learning of Multiscale Differential Equation
Time-Steppers [5.6385744392820465]
本研究では,時間スケールの異なる範囲にわたる動的システムのフローマップを近似するために,ディープニューラルネットワークの時間ステップ階層を構築した。
結果のモデルは純粋にデータ駆動であり、マルチスケールのダイナミックスの特徴を活用する。
我々は,LSTM,貯水池計算,クロックワークRNNなどの最先端手法に対して,我々のアルゴリズムをベンチマークする。
論文 参考訳(メタデータ) (2020-08-22T07:16:53Z) - Time-Reversal Symmetric ODE Network [138.02741983098454]
時間反転対称性は古典力学や量子力学においてしばしば保持される基本的な性質である。
本稿では,通常の微分方程式(ODE)ネットワークがこの時間反転対称性にどの程度よく適合しているかを測定する新しい損失関数を提案する。
時間反転対称性を完全に持たないシステムであっても, TRS-ODEN はベースラインよりも優れた予測性能が得られることを示す。
論文 参考訳(メタデータ) (2020-07-22T12:19:40Z) - Liquid Time-constant Networks [117.57116214802504]
本稿では,時間連続リカレントニューラルネットワークモデルについて紹介する。
暗黙の非線形性によって学習システムの力学を宣言する代わりに、線形一階力学系のネットワークを構築する。
これらのニューラルネットワークは安定かつ有界な振る舞いを示し、ニューラル常微分方程式の族の中で優れた表現性をもたらす。
論文 参考訳(メタデータ) (2020-06-08T09:53:35Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。