論文の概要: The Computational Capacity of LRC, Memristive and Hybrid Reservoirs
- arxiv url: http://arxiv.org/abs/2009.00112v3
- Date: Mon, 26 Sep 2022 17:01:01 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-23 07:10:23.898639
- Title: The Computational Capacity of LRC, Memristive and Hybrid Reservoirs
- Title（参考訳）: LRC, 旋回型およびハイブリッド型貯留層における計算容量
- Authors: Forrest C. Sheldon, Artemy Kolchinsky, Francesco Caravelli
- Abstract要約: 貯留層計算(Reservoir computing)は、高次元力学系(enmphreservoir)を用いて時系列データを近似し予測する機械学習パラダイムである。
本稿では, 線形素子(抵抗素子, インダクタ, コンデンサ)と非線形メモリ素子(メムリスタ)の両方を含む電子貯水池の実現可能性と最適設計について分析する。
我々の電子貯水池は、従来の「エコステートネットワーク」貯水池の性能と直接ハードウェアで実装される形で一致または超過することができる。
- 参考スコア（独自算出の注目度）: 1.657441317977376
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Reservoir computing is a machine learning paradigm that uses a
high-dimensional dynamical system, or \emph{reservoir}, to approximate and
predict time series data. The scale, speed and power usage of reservoir
computers could be enhanced by constructing reservoirs out of electronic
circuits, and several experimental studies have demonstrated promise in this
direction. However, designing quality reservoirs requires a precise
understanding of how such circuits process and store information. We analyze
the feasibility and optimal design of electronic reservoirs that include both
linear elements (resistors, inductors, and capacitors) and nonlinear memory
elements called memristors. We provide analytic results regarding the
feasibility of these reservoirs, and give a systematic characterization of
their computational properties by examining the types of input-output
relationships that they can approximate. This allows us to design reservoirs
with optimal properties. By introducing measures of the total linear and
nonlinear computational capacities of the reservoir, we are able to design
electronic circuits whose total computational capacity scales extensively with
the system size. Our electronic reservoirs can match or exceed the performance
of conventional "echo state network" reservoirs in a form that may be directly
implemented in hardware.
- Abstract（参考訳）: 貯留層計算(Reservoir computing)は、時系列データの近似と予測に高次元力学系(emph{reservoir})を用いる機械学習パラダイムである。
電子回路から貯水池を構築することで、貯水池コンピュータのスケール、速度、電力利用が向上する可能性があり、いくつかの実験的研究がこの方向に期待されている。
しかし、品質貯水池の設計には、そのような回路がどのように情報を処理し保存するかを正確に理解する必要がある。
我々は, 線形素子(抵抗, インダクタ, コンデンサ)と非線形メモリ素子(メムリスタ)の両方を含む電子貯水池の実現可能性と最適設計を解析した。
これらの貯水池の実現可能性に関する解析結果を提供し、それらが近似可能な入出力関係のタイプを調べることにより、それらの計算特性を体系的に評価する。
これにより最適な特性を持つ貯水池を設計できる。
貯水池の全線形および非線形計算容量の測定方法を導入することで,全計算容量がシステム規模に応じて広範囲にスケールする電子回路を設計できる。
我々の電子貯水池は、ハードウェアで直接実装できる形で、従来の「エコー状態ネットワーク」の性能と一致または上回ることができる。
関連論文リスト
- A theoretical framework for reservoir computing on networks of organic electrochemical transistors [0.0]
有機電気化学トランジスタ (OECTs) は非線形過渡特性を持つ物理デバイスである。
我々は,OECTを非線形単位として,貯水池コンピュータをシミュレーションするための理論的枠組みを提案する。
このような実装は、標準的な貯水池コンピュータ実装に匹敵する性能で、ロレンツアトラクションを正確に予測できることを示す。
論文 参考訳（メタデータ） (2024-08-17T15:04:09Z) - Deep Photonic Reservoir Computer for Speech Recognition [49.1574468325115]
音声認識は人工知能の分野で重要な課題であり、目覚ましい進歩を目撃してきた。
深い貯水池コンピューティングはエネルギー効率が高いが、よりリソース集約的な機械学習アルゴリズムと比較して、パフォーマンスに制限がある。
フォトニック方式の深層貯水池コンピュータを提案し,その性能を音声認識タスクで評価する。
論文 参考訳（メタデータ） (2023-12-11T17:43:58Z) - Randomized Polar Codes for Anytime Distributed Machine Learning [66.46612460837147]
本稿では,低速な計算ノードに対して堅牢で,線形演算の近似計算と精度の両立が可能な分散コンピューティングフレームワークを提案する。
本稿では,復号化のための計算複雑性を低く保ちながら,実数値データを扱うための逐次復号アルゴリズムを提案する。
大規模行列乗算やブラックボックス最適化など,様々な文脈において,このフレームワークの潜在的な応用を実証する。
論文 参考訳（メタデータ） (2023-09-01T18:02:04Z) - Optimization of a Hydrodynamic Computational Reservoir through Evolution [58.720142291102135]
我々は,スタートアップが開発中の流体力学系のモデルと,計算貯水池としてインターフェースする。
我々は、進化探索アルゴリズムを用いて、読み出し時間と入力を波の振幅や周波数にどのようにマッピングするかを最適化した。
この貯水池システムに進化的手法を適用することで、手作業パラメータを用いた実装と比較して、XNORタスクの分離性が大幅に向上した。
論文 参考訳（メタデータ） (2023-04-20T19:15:02Z) - Reservoir Computing Using Complex Systems [0.0]
Reservoir Computingは、物理システムを利用した計算のための機械学習フレームワークである。
計算に単一ノード貯水池を用いる方法を示し、物理貯水池の計算能力を改善するために利用可能な選択肢を探索する。
論文 参考訳（メタデータ） (2022-12-17T00:25:56Z) - Pretraining Graph Neural Networks for few-shot Analog Circuit Modeling
and Design [68.1682448368636]
本稿では、新しい未知のトポロジや未知の予測タスクに適応可能な回路表現を学習するための教師付き事前学習手法を提案する。
異なる回路の変動位相構造に対処するため、各回路をグラフとして記述し、グラフニューラルネットワーク(GNN)を用いてノード埋め込みを学習する。
出力ノード電圧の予測における事前学習GNNは、新しい未知のトポロジや新しい回路レベル特性の予測に適応可能な学習表現を促進することができることを示す。
論文 参考訳（メタデータ） (2022-03-29T21:18:47Z) - Simulation platform for pattern recognition based on reservoir computing
with memristor networks [1.5664378826358722]
我々は,メムリスタデバイスネットワークを用いた貯水池コンピューティング(RC)シミュレーションプラットフォームを開発した。
メムリスタネットワークをベースとしたRCシステムは,3つの時系列分類タスクにおける最先端手法に匹敵する高い計算性能が得られることを示す。
論文 参考訳（メタデータ） (2021-12-01T03:06:13Z) - Automatic digital twin data model generation of building energy systems
from piping and instrumentation diagrams [58.720142291102135]
建物からP&IDのシンボルや接続を自動で認識する手法を提案する。
シンボル認識,線認識,およびデータセットへの接続の導出にアルゴリズムを適用する。
このアプローチは、制御生成、(分散)モデル予測制御、障害検出といった、さらなるプロセスで使用することができる。
論文 参考訳（メタデータ） (2021-08-31T15:09:39Z) - Task Agnostic Metrics for Reservoir Computing [0.0]
物理貯水池計算は、物理物質における時間的パターン認識を可能にする計算パラダイムである。
選択された力学系は、非線形性、複雑性、暗くなるメモリの3つの望ましい特性を持つ必要がある。
一般に, 減衰率の低いシステムは, 3つの評価指標すべてにおいて高い値に達することが示されている。
論文 参考訳（メタデータ） (2021-08-03T13:58:11Z) - Insight into Delay Based Reservoir Computing via Eigenvalue Analysis [0.0]
この方法で貯水池として用いられる力学系を解析できることを示す。
固有値が0に近い実部と非共振虚部を持つ系に対して最適性能を求める。
論文 参考訳（メタデータ） (2020-09-16T20:41:47Z) - Efficient simulatability of continuous-variable circuits with large
Wigner negativity [62.997667081978825]
ウィグナー負性性は、いくつかの量子計算アーキテクチャにおいて計算上の優位性に必要な資源であることが知られている。
我々は、大きく、おそらくは有界で、ウィグナー負性を示し、しかし古典的に効率的にシミュレートできる回路の広大な族を同定する。
我々は,高次元離散可変量子回路のシミュラビリティとボソニック符号とのリンクを確立することにより,本結果の導出を行う。
論文 参考訳（メタデータ） (2020-05-25T11:03:42Z)
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。