Fugu-MT 論文翻訳(概要): Efficient Optimisation of Physical Reservoir Computers using only a Delayed Input

論文の概要: Efficient Optimisation of Physical Reservoir Computers using only a Delayed Input

arxiv url: http://arxiv.org/abs/2401.14371v1
Date: Thu, 25 Jan 2024 18:20:37 GMT
ステータス: 処理完了
システム内更新日: 2024-01-26 13:30:07.669680
Title: Efficient Optimisation of Physical Reservoir Computers using only a Delayed Input
Title（参考訳）: 遅延入力のみを用いた物理貯留層コンピュータの効率的な最適化
Authors: Enrico Picco, Lina Jaurigue, Kathy L\"udge and Serge Massar
Abstract要約: 貯留層コンピューティングは信号処理アプリケーションのための堅牢なフレームワークである。本稿では,最近提案された貯水池計算のための最適化手法の実験的検討を行う。異なるベンチマークタスクと貯水池動作条件におけるこのアプローチの有効性を検証する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We present an experimental validation of a recently proposed optimization technique for reservoir computing, using an optoelectronic setup. Reservoir computing is a robust framework for signal processing applications, and the development of efficient optimization approaches remains a key challenge. The technique we address leverages solely a delayed version of the input signal to identify the optimal operational region of the reservoir, simplifying the traditionally time-consuming task of hyperparameter tuning. We verify the effectiveness of this approach on different benchmark tasks and reservoir operating conditions.
Abstract（参考訳）: 本稿では,最近提案された貯留層計算の最適化手法の実験的検証を行う。貯留層計算は信号処理アプリケーションのための堅牢なフレームワークであり、効率的な最適化手法の開発は依然として重要な課題である。提案手法は, 入力信号の遅延バージョンのみを利用して, 貯水池の最適動作領域を同定し, 従来の過パラメータチューニング作業の簡略化を図る。異なるベンチマークタスクと貯水池動作条件におけるこのアプローチの有効性を検証する。

関連論文リスト

Discovering Preference Optimization Algorithms with and for Large Language Models [50.843710797024805]
オフライン優先最適化は、LLM(Large Language Model)出力の品質を向上・制御するための重要な手法である。我々は、人間の介入なしに、新しい最先端の選好最適化アルゴリズムを自動で発見する客観的発見を行う。実験は、ロジスティックと指数的損失を適応的にブレンドする新しいアルゴリズムであるDiscoPOPの最先端性能を示す。
論文参考訳（メタデータ） (2024-06-12T16:58:41Z)
Adaptive Bayesian Optimization for High-Precision Motion Systems [2.073673208115137]
低レベル制御パラメータをオンラインチューニングすることで、適応制御のためのリアルタイム純粋データ駆動モデルフリーアプローチを提案する。我々は安全かつサンプル効率のよいベイズ最適化アルゴリズムであるGoOSEをベースとした。半導体産業に応用した実精度運動システムにおけるアルゴリズムの性能評価を行った。
論文参考訳（メタデータ） (2024-04-22T21:58:23Z)
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)
Maximum Optimality Margin: A Unified Approach for Contextual Linear Programming and Inverse Linear Programming [10.06803520598035]
我々は、下流最適化の最適条件によって機械学習損失関数が機能する最大最適マージンと呼ばれる問題に対する新しいアプローチを開発する。
論文参考訳（メタデータ） (2023-01-26T17:53:38Z)
A Data-Driven Evolutionary Transfer Optimization for Expensive Problems in Dynamic Environments [9.098403098464704]
データ駆動、つまりサロゲート支援、進化的最適化は、高価なブラックボックス最適化問題に対処するための効果的なアプローチとして認識されている。本稿では,データ駆動型進化的最適化により動的最適化問題を解くための,シンプルだが効果的な伝達学習フレームワークを提案する。提案手法の有効性を実世界のケーススタディで実証した。
論文参考訳（メタデータ） (2022-11-05T11:19:50Z)
Outlier-Robust Sparse Estimation via Non-Convex Optimization [73.18654719887205]
空間的制約が存在する場合の高次元統計量と非破壊的最適化の関連について検討する。これらの問題に対する新規で簡単な最適化法を開発した。結論として、効率よくステーションに収束する一階法は、これらのタスクに対して効率的なアルゴリズムを導出する。
論文参考訳（メタデータ） (2021-09-23T17:38:24Z)
Data-driven Weight Initialization with Sylvester Solvers [72.11163104763071]
本稿では,ディープニューラルネットワークのパラメータを初期化するためのデータ駆動方式を提案する。提案手法は,特にショットや微調整の設定において有効であることを示す。
論文参考訳（メタデータ） (2021-05-02T07:33:16Z)
Factorizing time evolution into elementary steps [0.0]
本稿では,量子系の時間進化演算子を時間順序の基本的な演算の列(有限)で分解する手法を提案する。提案手法は、リー代数法およびその他の分解手順に基づく従来のアプローチから借用する。
論文参考訳（メタデータ） (2021-02-13T22:17:40Z)
Using models to improve optimizers for variational quantum algorithms [1.7475326826331605]
変分量子アルゴリズムは、ノイズの多い中間スケール量子コンピュータの初期応用の第一候補である。これらのアルゴリズムは、パラメータ化量子回路の機能を最小化する古典的な最適化外ループに依存している。本稿では,2つの最適化手法を導入し,その性能を今日の一般的な手法と数値的に比較する。
論文参考訳（メタデータ） (2020-05-22T05:23:23Z)
Distributionally Robust Bayesian Optimization [121.71766171427433]
そこで本研究では,ゼロ次雑音最適化のための分散ロバストなベイズ最適化アルゴリズム(DRBO)を提案する。提案アルゴリズムは, 種々の設定において, 線形に頑健な後悔を確実に得る。提案手法は, 実世界のベンチマークと実世界のベンチマークの両方において, 頑健な性能を示す。
論文参考訳（メタデータ） (2020-02-20T22:04:30Z)
Bilevel Optimization for Differentially Private Optimization in Energy Systems [53.806512366696275]
本稿では,入力に敏感な制約付き最適化問題に対して,差分プライバシーを適用する方法について検討する。本稿は, 自然仮定の下では, 大規模非線形最適化問題に対して, 双レベルモデルを効率的に解けることを示す。
論文参考訳（メタデータ） (2020-01-26T20:15:28Z)

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。