論文の概要: Lead Zirconate Titanate Reservoir Computing for Classification of Written and Spoken Digits

• arxiv url: http://arxiv.org/abs/2604.00207v1
• Date: Tue, 31 Mar 2026 20:19:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-02 16:44:31.709981
• Title: Lead Zirconate Titanate Reservoir Computing for Classification of Written and Spoken Digits
• Title（参考訳）: 鉛系ジルコネートタイタネート貯留層計算による製本・散布ディジットの分類
• Authors: Thomas Buckley, Leslie Schumm, Manor Askenazi, Edward Rietman,
• Abstract要約: 我々は,PZTの非ポーリング立方体を計算基板として利用し,データセットの処理を行う。 以上の結果から, PZT貯水池はMNIST手書き桁の精度が89.0%であることが示唆された。 AudioMNIST音声桁データセットの場合、貯水池システムはベースライン法と同等に機能する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this paper we extend our earlier work of (Rietman et al. 2022) presenting an application of physical Reservoir Computing (RC) to the classification of handwritten and spoken digits. We utilize an unpoled cube of Lead Zirconate Titanate (PZT) as a computational substrate to process these datasets. Our results demonstrate that the PZT reservoir achieves 89.0% accuracy on MNIST handwritten digits, representing a 2.4 percentage point improvement over logistic regression baselines applied to the same preprocessed data. However, for the AudioMNIST spoken digits dataset, the reservoir system (88.2% accuracy) performs equivalently to baseline methods (88.1% accuracy), suggesting that reservoir computing provides the greatest benefits for classification tasks of intermediate difficulty where linear methods underperform but the problem remains learnable. PZT is a well-known material already used in semiconductor applications, presenting a low-power computational substrate that can be integrated with digital algorithms. Our findings indicate that physical reservoirs excel when the task difficulty exceeds the capability of simple linear classifiers but remains within the computational capacity of the reservoir dynamics.
• Abstract（参考訳）: 本稿では,手書き文字と音声数字の分類に物理貯留層計算(RC)を応用した初期の研究(Rietman et al 2022)を拡張した。 我々は、これらのデータセットを処理するための計算基板として、鉛ジルコネート・タイタネート(PZT)の非ポーリング立方体を用いる。 以上の結果から,PZT貯水池はMNISTの手書き桁に対して89.0%の精度を達成し,同じ前処理データに適用したロジスティック回帰ベースラインよりも2.4パーセント向上したことを示す。 しかし、AudioMNIST音声数字データセットでは、貯水池システム(88.2%の精度)はベースライン手法(88.1%の精度)と同等に動作し、線形手法が性能の悪い中間的難易度の分類タスクに対して、貯水池コンピューティングが最大の利点をもたらすことを示唆している。 PZTは、既に半導体アプリケーションで使われているよく知られた材料であり、デジタルアルゴリズムと統合可能な低消費電力の計算基板を提供する。 その結果, 作業難易度が単純な線形分類器の能力を超え, 貯水池力学の計算能力に留まると, 物理貯水池は優れることがわかった。

関連論文リスト

• Reservoir Computing Benchmarks: a tutorial review and critique [0.19116784879310028]
  貯留層計算(Reservoir Computing)は、様々な基板上で計算を行う非伝統的な計算モデルである。 我々は貯水池計算の分野で用いられる評価手法をレビューし、批判する。
  論文  参考訳（メタデータ） (2024-05-10T16:02:41Z)
• Reverse That Number! Decoding Order Matters in Arithmetic Learning [49.5504492920404]
  本研究は,最少の桁から出力を優先順位付けすることで,桁順を再評価する新たな戦略を導入する。 従来のSOTA法と比較すると,通常のトレーニングで使用するトークンの3分の1しか必要とせず,精度の全体的な改善が見られた。
  論文  参考訳（メタデータ） (2024-03-09T09:04:53Z)
• Restrictions on Physical Stochastic Reservoir Computers [0.0]
  アナログ貯水池コンピュータの学習能力に及ぼす雑音の影響について検討する。 情報処理能力(IPC)はノイズによる性能劣化の定量化に有用な指標であることを示す。 ノイズに晒された物理的アナログ貯水池コンピュータは、学習量の増加にのみ利用できると結論付けている。
  論文  参考訳（メタデータ） (2023-07-26T19:41:05Z)
• 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)
• Linearized Wasserstein dimensionality reduction with approximation guarantees [65.16758672591365]
  LOT Wassmap は、ワーッサーシュタイン空間の低次元構造を明らかにするための計算可能なアルゴリズムである。 我々は,LOT Wassmapが正しい埋め込みを実現し,サンプルサイズの増加とともに品質が向上することを示す。 また、LOT Wassmapがペア距離計算に依存するアルゴリズムと比較して計算コストを大幅に削減することを示す。
  論文  参考訳（メタデータ） (2023-02-14T22:12:16Z)
• Wasserstein Iterative Networks for Barycenter Estimation [80.23810439485078]
  生成モデルを用いて連続測度のワッサーシュタイン2バリセンターを近似するアルゴリズムを提案する。 有名人の顔のデータセットに基づいて、バリセンタアルゴリズムの定量的評価に使用できるAve, celeba!データセットを構築した。
  論文  参考訳（メタデータ） (2022-01-28T16:59:47Z)
• Providing Meaningful Data Summarizations Using Examplar-based Clustering in Industry 4.0 [67.80123919697971]
  我々は,従来のCPUアルゴリズムと比較して,一精度で最大72倍,半精度で最大452倍の高速化を実現していることを示す。 提案アルゴリズムは射出成形プロセスから得られた実世界のデータに適用し, 得られたサマリーが, コスト削減と不良部品製造の削減のために, この特定のプロセスのステアリングにどのように役立つかについて議論する。
  論文  参考訳（メタデータ） (2021-05-25T15:55:14Z)
• Surface Warping Incorporating Machine Learning Assisted Domain Likelihood Estimation: A New Paradigm in Mine Geology Modelling and Automation [68.8204255655161]
  新たに取得した破砕孔データによって課される地球化学的および空間的制約に基づいて, モデル表面を再構成するバイーシアンワープ法が提案されている。 本稿では,このワーピングフレームワークに機械学習を組み込むことにより,可能性の一般化を図る。 その基礎は、p(g|c) が p(y(c)|g と似た役割を果たすような地質領域の確率のベイズ計算によって構成される。
  論文  参考訳（メタデータ） (2021-02-15T10:37:52Z)

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。