論文の概要: Rethinking Reservoir Pruning: A Dynamical Perspective for Echo State Networks

• arxiv url: http://arxiv.org/abs/2608.04593v1
• Date: Wed, 05 Aug 2026 08:56:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-06 14:48:43.790532
• Title: Rethinking Reservoir Pruning: A Dynamical Perspective for Echo State Networks
• Title（参考訳）: Reservoir Pruningを再考する - Echo状態ネットワークの動的視点
• Authors: Sudip Laudari, Puspa Raj Adhikari,
• Abstract要約: 支配的な遷移モードへの寄与によってニューロンをランク付けする貯水池プルーニング法である動的モードプルーニング(DMP)を提案する。 DMPは冗長な貯水池の部品を減らしながら予測精度を向上または維持する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Echo State Networks (ESNs) offer an efficient framework for temporal prediction, but their randomly initialized reservoirs are often over-parameterized and dynamically redundant. Existing pruning methods largely rely on static connectivity or activation statistics, which may overlook neurons that shape input-driven state transitions. We propose Dynamical Mode Pruning (DMP), a reservoir pruning method that ranks neurons by their contribution to dominant transition modes obtained from a trajectory-averaged Jacobian Gramian. DMP removes low-impact units and retrains only the readout. Experiments on chaotic and real-world time-series benchmarks show that DMP improves or preserves forecasting accuracy while reducing redundant reservoir components. Our results suggest that dynamical influence is a useful criterion for reservoir refinement beyond static structural importance alone.
• Abstract（参考訳）: Echo State Networks (ESN) は時間的予測のための効率的なフレームワークを提供するが、ランダムに初期化された貯水池はしばしば過度にパラメータ化され、動的に冗長である。 既存のプルーニング法は主に静的接続やアクティベーション統計に依存しており、入力駆動状態遷移を形成するニューロンを見渡すことができる。 平均ジャコビアングラミアンから得られる支配的な遷移モードへの寄与によって神経細胞をランク付けする貯水池プルーニング法である動的モードプルーニング(DMP)を提案する。 DMPは低インパクトのユニットを取り除き、リードアウトのみをリトレーニングする。 カオス的および実世界の時系列ベンチマークの実験では、DMPは冗長な貯水池の部品を減らしながら予測精度を向上または保存することを示した。 以上の結果から, 動的影響は, 静的構造のみに留まらず, 貯留層の改良に有用であることが示唆された。

関連論文リスト

• Cascade-KDE: Robust Time-Series Restoration under Out-of-Distribution Impulse Corruptions [3.4633810891614267]
  産業センサ、医療、エネルギーシステムにおける実世界の時系列データは、しばしばガウスノイズの混合によって破壊される。 破損した時系列のトレーニングフリー復元フレームワークCascade-KDEを提案する。
  論文  参考訳（メタデータ） (2026-05-22T00:59:56Z)
• Learned Memory Attenuation in Sage-Husa Kalman Filters for Robust UAV State Estimation [0.0]
  動的環境における無人航空機はテレメトリーの停止、構造振動、状態依存ノイズに直面している。 我々は、スカラーパラメータをベクトル値のメモリ減衰ポリシーに置き換えるN-Deep Recurrent Sage-Husa Filter (NDR-SHKF)を導入する。 分岐アーキテクチャは、浅い再帰状態をルートし、瞬間的なセンサ異常と深い状態を捕捉し、持続的な動的傾向を符号化する。
  論文  参考訳（メタデータ） (2026-05-18T17:38:13Z)
• Centrality-Based Pruning for Efficient Echo State Networks [0.0]
  本稿では,貯水池を重み付き有向グラフとして解釈し,集中度尺度を用いて構造的に重要度が低いノードを除去するグラフベースプルーニング手法を提案する。 マッキーグラスの時系列予測と電力負荷予測実験により, 中央性を維持しつつ, 貯水池の規模を大幅に削減できることを示した。
  論文  参考訳（メタデータ） (2026-03-21T06:55:50Z)
• Efficient Real-Time Adaptation of ROMs for Unsteady Flows Using Data Assimilation [7.958594167693376]
  パラメータ化還元次数モデル(ROM)の効率的な再学習戦略を提案する。 この戦略は計算時間の一部を必要としながら、完全再訓練に匹敵する精度を得る。 力学系を考えると、アウト・オブ・サンプル予測における誤差の主な原因は、潜在多様体の歪みに起因することが示される。
  論文  参考訳（メタデータ） (2026-02-26T16:43:28Z)
• Is Flow Matching Just Trajectory Replay for Sequential Data? [46.770624059457724]
  時系列生成には、フローマッチング(FM)がますます使われている。 一般的な力学構造を学ぶのか、それとも単に効果的な「軌道再生」を行うのかはよく分かっていない。 インプリッドサンプリングは、非パラメトリックなメモリ拡張型連続時間力学系を構成するODEであることを示す。
  論文  参考訳（メタデータ） (2026-02-09T06:48:45Z)
• Physics-guided Active Sample Reweighting for Urban Flow Prediction [75.24539704456791]
  都市フロー予測は、バス、タクシー、ライド駆動モデルといった交通サービスのスループットを見積もる、微妙な時間的モデリングである。 最近の予測解は、物理学誘導機械学習(PGML)の概念による改善をもたらす。 我々は、PN(atized Physics-guided Network)を開発し、P-GASR(Physical-guided Active Sample Reweighting)を提案する。
  論文  参考訳（メタデータ） (2024-07-18T15:44:23Z)
• KFD-NeRF: Rethinking Dynamic NeRF with Kalman Filter [49.85369344101118]
  KFD-NeRFは,Kalmanフィルタに基づく効率的かつ高品質な運動再構成フレームワークと統合された,新しい動的ニューラル放射場である。 我々のキーとなる考え方は、動的放射場を、観測と予測という2つの知識源に基づいて時間的に異なる状態が推定される動的システムとしてモデル化することである。 我々のKFD-NeRFは、同等の計算時間と最先端の視線合成性能で、徹底的な訓練を施した類似または優れた性能を示す。
  論文  参考訳（メタデータ） (2024-07-18T05:48:24Z)
• A Poisson-Gamma Dynamic Factor Model with Time-Varying Transition Dynamics [51.147876395589925]
  非定常PGDSは、基礎となる遷移行列が時間とともに進化できるように提案されている。 後続シミュレーションを行うために, 完全共役かつ効率的なギブスサンプリング装置を開発した。 実験により,提案した非定常PGDSは,関連するモデルと比較して予測性能が向上することを示した。
  論文  参考訳（メタデータ） (2024-02-26T04:39:01Z)
• Stochastically forced ensemble dynamic mode decomposition for forecasting and analysis of near-periodic systems [65.44033635330604]
  本稿では,観測力学を強制線形系としてモデル化した新しい負荷予測手法を提案する。 固有線型力学の利用は、解釈可能性やパーシモニーの観点から、多くの望ましい性質を提供することを示す。 電力グリッドからの負荷データを用いたテストケースの結果が提示される。
  論文  参考訳（メタデータ） (2020-10-08T20:25:52Z)
• Revisiting Initialization of Neural Networks [72.24615341588846]
  ヘッセン行列のノルムを近似し, 制御することにより, 層間における重みのグローバルな曲率を厳密に推定する。 Word2Vec と MNIST/CIFAR 画像分類タスクの実験により,Hessian ノルムの追跡が診断ツールとして有用であることが確認された。
  論文  参考訳（メタデータ） (2020-04-20T18:12:56Z)

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。