論文の概要: Optimal reservoir computers for forecasting systems of nonlinear
dynamics
- arxiv url: http://arxiv.org/abs/2202.05159v1
- Date: Wed, 9 Feb 2022 09:36:31 GMT
- ステータス: 処理完了
- システム内更新日: 2022-02-11 17:00:20.639600
- Title: Optimal reservoir computers for forecasting systems of nonlinear
dynamics
- Title(参考訳): 非線形力学予測システムのための最適貯水池コンピュータ
- Authors: Pauliina K\"arkk\"ainen and Riku Linna
- Abstract要約: 低接続性貯水池は、ノイズレスローレンツと結合したウィルソン・コーワンシステムの予測において、高接続性よりも優れた性能を示すことを示す。
また, 予期せぬ非連結ノード(RUN)の貯水池が, リンクネットワークトポロジの貯水池よりも優れていることを示す。
- 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: Prediction and analysis of systems of nonlinear dynamics is crucial in many
applications. Here, we study characteristics and optimization of reservoir
computing, a machine learning technique that has gained attention as a suitable
method for this task. By systematically applying Bayesian optimization on
reservoirs we show that reservoirs of low connectivity perform better than or
as well as those of high connectivity in forecasting noiseless Lorenz and
coupled Wilson-Cowan systems. We also show that, unexpectedly, computationally
effective reservoirs of unconnected nodes (RUN) outperform reservoirs of linked
network topologies in predicting these systems. In the presence of noise,
reservoirs of linked nodes perform only slightly better than RUNs. In contrast
to previously reported results, we find that the topology of linked reservoirs
has no significance in the performance of system prediction. Based on our
findings, we give a procedure for designing optimal reservoir computers (RC)
for forecasting dynamical systems. This work paves way for computationally
effective RCs applicable to real-time prediction of signals measured on systems
of nonlinear dynamics such as EEG or MEG signals measured on a brain.
- Abstract(参考訳): 非線形力学系の予測と解析は多くの応用において重要である。
本稿では,このタスクに適した手法として注目されている機械学習技術である貯水池計算の特性と最適化について検討する。
貯水池にベイズ最適化を体系的に適用することにより,低接続の貯水池はノイズレス・ロレンツとウィルソン・コーワン系を結合した予測において,高接続性よりも優れた性能を示す。
また, 予期せぬ非連結ノード(RUN)の貯水池が, リンクネットワークトポロジの貯水池よりも優れていることを示す。
ノイズの存在下では、連結ノードの貯留層はRUNよりもわずかに良いだけである。
これまでに報告した結果とは対照的に,リンク型貯水池のトポロジーはシステム予測の性能に意味がない。
そこで本研究では,動的システム予測のための最適貯水池コンピュータ(RC)の設計手順について述べる。
この研究は、脳波やMEG信号などの非線形力学系で測定された信号のリアルタイム予測に適用可能な計算効率の高いRCの方法である。
関連論文リスト
- EASRec: Elastic Architecture Search for Efficient Long-term Sequential
Recommender Systems [82.76483989905961]
現在のSRS(Sequential Recommender Systems)は、計算とリソースの非効率に悩まされている。
我々は、効率的な長期シーケンスレコメンダシステム(EASRec)のための弾性アーキテクチャー探索を開発する。
EASRecは、入力データバッチから履歴情報を活用するデータ認識ゲートを導入し、レコメンデーションネットワークの性能を改善する。
論文 参考訳(メタデータ) (2024-02-01T07:22:52Z) - Reservoir computing with logistic map [0.0]
本研究では,仮想ノードを貯水池計算の貯水池として構築し,時間的・非時間的タスクを予測する手法を提案する。
時間的タスクはLorenz, R"ossler, Hindmarsh-Roseの3つの非線形系, 非時間的タスクは7位となる。
注目すべきは、ロジスティックマップがうまく機能し、実際の値や対象値に近いものを予測することである。
論文 参考訳(メタデータ) (2024-01-17T09:22:15Z) - Equation Discovery with Bayesian Spike-and-Slab Priors and Efficient
Kernels [60.35011738807833]
ケルネル学習とBayesian Spike-and-Slab pres (KBASS)に基づく新しい方程式探索法を提案する。
カーネルレグレッションを用いてターゲット関数を推定する。これはフレキシブルで表現力があり、データ空間やノイズに対してより堅牢である。
我々は、ベンチマークODEとPDE発見タスクのリストにおいて、KBASSの顕著な利点を示す。
論文 参考訳(メタデータ) (2023-10-09T03:55:09Z) - Excitatory/Inhibitory Balance Emerges as a Key Factor for RBN
Performance, Overriding Attractor Dynamics [35.70635792124142]
貯留層コンピューティングは、伝統的な学習方法に代わる時間とコスト効率を提供する。
特定の分布パラメータが臨界点付近の様々な力学に導かれることを示す。
次に、記憶と予測という2つの困難なタスクにおける性能評価を行い、正の興奮バランスがより高いメモリ性能の臨界点を生み出すことを発見した。
論文 参考訳(メタデータ) (2023-08-02T17:41:58Z) - Controlling dynamical systems to complex target states using machine
learning: next-generation vs. classical reservoir computing [68.8204255655161]
機械学習を用いた非線形力学系の制御は、システムを周期性のような単純な振る舞いに駆動するだけでなく、より複雑な任意の力学を駆動する。
まず, 従来の貯水池計算が優れていることを示す。
次のステップでは、これらの結果を異なるトレーニングデータに基づいて比較し、代わりに次世代貯水池コンピューティングを使用する別のセットアップと比較する。
その結果、通常のトレーニングデータに対して同等のパフォーマンスを提供する一方で、次世代RCは、非常に限られたデータしか利用できない状況において、著しくパフォーマンスが向上していることがわかった。
論文 参考訳(メタデータ) (2023-07-14T07:05:17Z) - 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) - Interval Reachability of Nonlinear Dynamical Systems with Neural Network
Controllers [5.543220407902113]
本稿では、ニューラルネットワークコントローラを用いた非線形連続時間力学系の厳密な検証のための区間解析に基づく計算効率の良いフレームワークを提案する。
混合単調理論に着想を得て,ニューラルネットワークの包摂関数と開ループシステムの分解関数を用いて,閉ループ力学をより大きなシステムに組み込む。
埋め込みシステムの単一軌跡を用いて、到達可能な集合の超矩形超近似を効率的に計算できることが示される。
論文 参考訳(メタデータ) (2023-01-19T06:46:36Z) - On the Effective Usage of Priors in RSS-based Localization [56.68864078417909]
本稿では、受信信号強度(RSS)指紋と畳み込みニューラルネットワークに基づくアルゴリズムLocUNetを提案する。
本稿では,密集市街地における局所化問題について検討する。
まず,LocUNetがRx位置やRxの事前分布を学習し,トレーニングデータから送信者(Tx)アソシエーションの好みを学習し,その性能を評価できることを示す。
論文 参考訳(メタデータ) (2022-11-28T00:31:02Z) - Large-Scale Sequential Learning for Recommender and Engineering Systems [91.3755431537592]
本稿では,現在の状況に適応してパーソナライズされたランキングを提供する自動アルゴリズムの設計に焦点を当てる。
前者はSAROSと呼ばれる新しいアルゴリズムを提案し,インタラクションの順序を学習するためのフィードバックの種類を考慮に入れている。
提案手法は, 電力網の故障検出に対する初期アプローチと比較して, 統計的に有意な結果を示す。
論文 参考訳(メタデータ) (2022-05-13T21:09:41Z) - Model-Free Prediction of Chaotic Systems Using High Efficient
Next-generation Reservoir Computing [4.284497690098487]
低次元および大規模カオス系のモデルフリーな述語を実現するために,新しい貯水池計算のパラダイムを提案する。
ロレンツ方程式と倉本-シヴァシンスキー方程式を力学系の古典的な2つの例として、数値シミュレーションを行った。
その結果,最新の貯水池計算手法よりも予測タスクが優れていることがわかった。
論文 参考訳(メタデータ) (2021-10-19T12:49:24Z)
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。