論文の概要: Organization of computation in reservoir computing

• arxiv url: http://arxiv.org/abs/2607.17858v1
• Date: Mon, 20 Jul 2026 11:59:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-21 18:48:37.609807
• Title: Organization of computation in reservoir computing
• Title（参考訳）: 貯水池計算における計算の組織化
• Abstract要約: 貯留層計算は非線形力学系を利用して時間入力を状態空間表現にエンコードする。 本稿では,次級情報処理能力と対応する状態空間モードをリンクする固有スペクトル分解フレームワークを提案する。
• 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: Reservoir computing exploits nonlinear dynamical systems to encode temporal inputs into high-dimensional state space representations. Although reservoir performance is often characterized through memory, nonlinearity, and their tradeoff, such aggregate measures do not reveal how task-relevant information is organized within the state space. Here, we introduce an eigen-spectral decomposition framework linking the degree-wise information processing capacity to the corresponding state space modes. As a result, we are able to quantify the degree-wise representation energy, and show that in some cases, substantial amounts of information processing capacity may reside in low-energy modes that are vulnerable to experimental noise. These results suggest that useful reservoir computation depends not only on dimensionality expansion, but also on the geometric organization of task-relevant information, with direct implications on physical reservoir computers.
• Abstract（参考訳）: 貯留層計算は非線形力学系を利用して時間入力を高次元状態空間表現に符号化する。 貯水池の性能は、記憶、非線形性、およびそれらのトレードオフによって特徴づけられることが多いが、そのような集計手段は、状態空間内でどのようにタスク関連情報が整理されるかを明らかにするものではない。 本稿では,次級情報処理能力と対応する状態空間モードをリンクする固有スペクトル分解フレームワークを提案する。 その結果、次数の表現エネルギーを定量化することができ、場合によっては、実験ノイズに弱い低エネルギーモードに相当量の情報処理能力があることを示すことができる。 これらの結果から, 有効貯水池計算は次元展開だけでなく, タスク関連情報の幾何学的構成にも依存し, 物理貯水池コンピュータに直接的な影響があることが示唆された。

関連論文リスト

• Energetic Cost of Temporal Information Processing in Quantum Reservoirs [0.47248250311484113]
  量子貯水池コンピューティングは、エネルギー効率の高い機械学習への有望な道筋を提供する。 相互作用するスピン貯水池では、情報符号化と情報処理は異なる物理機構によって制御されることを示す。
  論文  参考訳（メタデータ） (2026-08-08T18:21:33Z)
• Geometric Approach to Zero-Memory Quantum Dot Reservoir Computing [0.11999555634662634]
  物理貯水池コンピューティングは、従来のニューラルネットワークに代わるエネルギー効率の高い代替手段を提供する。 メモリレスシステムではメモリ容量を極端に設計できることを示す。 メモリレス量子貯水池は,カオス的なマッキーグラスの将来予測と非線形変換タスクの両方において高い性能が得られることを示す。
  論文  参考訳（メタデータ） (2026-06-28T10:26:43Z)
• Illuminating the Black Box of Reservoir Computing [2.925652638976278]
  本研究の目的は、異なるモデルタスクに必要な最小の計算要素を特定することである。 ニューロンの数、非線形性、結合構造の必要性について検討する。 驚いたことに、読み出し層が計算の大部分を実行する非自明なケースが見つかる。
  論文  参考訳（メタデータ） (2025-11-21T07:13:26Z)
• Efficient Transformed Gaussian Process State-Space Models for Non-Stationary High-Dimensional Dynamical Systems [49.819436680336786]
  本研究では,高次元非定常力学系のスケーラブルかつ柔軟なモデリングのための効率的な変換ガウス過程状態空間モデル(ETGPSSM)を提案する。 具体的には、ETGPSSMは、単一の共有GPと入力依存の正規化フローを統合し、複雑な非定常遷移ダイナミクスを捉える前に、表現的な暗黙のプロセスを生成する。 ETGPSSMは、計算効率と精度の観点から、既存のGPSSMとニューラルネットワークベースのSSMより優れています。
  論文  参考訳（メタデータ） (2025-03-24T03:19:45Z)
• 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)
• Discrete, compositional, and symbolic representations through attractor dynamics [51.20712945239422]
  我々は,思考の確率的言語(PLoT)に似た認知過程をモデル化するために,アトラクタダイナミクスを記号表現と統合した新しいニューラルシステムモデルを導入する。 我々のモデルは、連続表現空間を、事前定義されたプリミティブに頼るのではなく、教師なし学習を通じて、記号系の意味性と構成性の特徴を反映する、記号列に対応する引き付け状態を持つ離散盆地に分割する。 このアプローチは、認知操作の複雑な双対性を反映したより包括的なモデルを提供する、AIにおける表現力の証明された神経弁別可能な基質であるニューラルダイナミクスを通じて、シンボル処理とサブシンボル処理の両方を統合する統一的なフレームワークを確立する。
  論文  参考訳（メタデータ） (2023-10-03T05:40:56Z)
• 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)
• Machine learning at the mesoscale: a computation-dissipation bottleneck [77.34726150561087]
  入力出力デバイスとして使用されるメソスコピックシステムにおける計算散逸ボトルネックについて検討する。 我々のフレームワークは、情報圧縮、入出力計算、非相互相互作用によって引き起こされる動的不可逆性の間の決定的な妥協に光を当てている。
  論文  参考訳（メタデータ） (2023-07-05T15:46:07Z)
• Natural quantum reservoir computing for temporal information processing [4.785845498722406]
  貯留層計算(Reservoir computing)は、人工的または物理的散逸動態を利用する時間情報処理システムである。 本稿では, 量子ビットに付加される自然ノイズによって散逸特性が供給される貯水池として, 現実の超伝導量子コンピューティングデバイスを用いる方法を提案する。
  論文  参考訳（メタデータ） (2021-07-13T01:58:57Z)
• Featurized Density Ratio Estimation [82.40706152910292]
  本研究では,2つの分布を推定前の共通特徴空間にマッピングするために,可逆生成モデルを活用することを提案する。 この偉業化は、学習された入力空間の密度比が任意に不正確な場合、潜在空間において密度が密接な関係をもたらす。 同時に、特徴写像の可逆性は、特徴空間で計算された比が入力空間で計算された比と同値であることを保証する。
  論文  参考訳（メタデータ） (2021-07-05T18:30:26Z)
• Evidential Sparsification of Multimodal Latent Spaces in Conditional Variational Autoencoders [63.46738617561255]
  訓練された条件付き変分オートエンコーダの離散潜時空間をスパース化する問題を考察する。 顕在的理論を用いて、特定の入力条件から直接証拠を受け取る潜在クラスを特定し、そうでないクラスをフィルタリングする。 画像生成や人間の行動予測などの多様なタスクの実験により,提案手法の有効性を実証した。
  論文  参考訳（メタデータ） (2020-10-19T01:27:21Z)
• Information-Theoretic Memory Scaling in the Many-Body Localization Transition [68.8204255655161]
  本研究では,多体局所化の文脈における局所記憶の理解について検討する。 本稿では,局所記憶の真の定量化手法として,力学ホレボ量を導入する。 我々は、多体局所化遷移における定常状態における明らかなスケーリング挙動を見出した。
  論文  参考訳（メタデータ） (2020-09-09T18:00:01Z)
• Focus of Attention Improves Information Transfer in Visual Features [80.22965663534556]
  本稿では,真のオンライン環境下での視覚情報伝達のための教師なし学習に焦点を当てた。 エントロピー項の計算は、エントロピー項のオンライン推定を行う時間的プロセスによって行われる。 入力確率分布をよりよく構成するために,人間のような注目モデルを用いる。
  論文  参考訳（メタデータ） (2020-06-16T15:07:25Z)

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。