論文の概要: Context-dependent time-series prediction via HyperReservoirs

• arxiv url: http://arxiv.org/abs/2609.34847v1
• Date: Mon, 28 Sep 2026 10:42:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-03 02:14:59.644525
• Title: Context-dependent time-series prediction via HyperReservoirs
• Title（参考訳）: HyperReservoirsによる文脈依存型時系列予測
• Abstract要約: 時系列予測は貯水池コンピューティングの一般的な応用である。 本稿では,貯水池計算の拡張モデルとしてHyperReservoirを提案する。 Lorenz と Rssler システムに基づく時系列予測タスクにおける3つのモデルすべてを評価する。
• 参考スコア（独自算出の注目度）: 0.6299766708197881
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Time series prediction is a common application of reservoir computing. When the training and testing time series data contains multiple dynamical regimes, because an underlying parameter is changing, or the data in fact consists of multiple distinct systems, simple application of the reservoir computing principle produces high prediction errors. Here, we propose a HyperReservoir as an extended model of reservoir computing especially designed for such cases. The HyperReservoir combines a main reservoir with a smaller context reservoir, where the latter modulates the output weights of the former. This structure resembles the hypernetworks from deep neural network literature. However, in contrast, HyperReservoirs retain the simple training via linear regression of standard reservoir computing. We compare the proposed architecture with a conventional ESN, in which context acts at the input, and a full-matrix Conceptor, in which context modulates the reservoir state space. We evaluate all three models on time-series prediction tasks based on Lorenz and Rössler systems, including for varying bifurcation parameters and time sampling scales. We find that the HyperReservoir achieves the lowest mean test error in all three tasks, and particularly outperforms conceptors on data that is sampled from the same attractor but at different time scales.
• Abstract（参考訳）: 時系列予測は貯水池コンピューティングの一般的な応用である。 トレーニングとテストの時系列データが複数の動的状態を含んでいる場合、基礎となるパラメータが変化しているため、あるいは実際には複数の異なるシステムで構成されているため、貯水池計算原則の単純な適用は高い予測誤差をもたらす。 本稿では,特にそのような場合に設計された貯水池計算の拡張モデルとして,ハイパー貯留層を提案する。 HyperReservoirはメイン貯水池とより小さなコンテキスト貯水池を結合し、後者は前者の出力重みを調節する。 この構造は、ディープニューラルネットワーク文学のハイパーネットワークに似ている。 対照的に、HyperReservoirsは標準貯水池計算の線形回帰による単純なトレーニングを継続する。 本研究では,提案アーキテクチャを,コンテキストが入力に作用する従来のESNと,コンテキストが貯留状態空間を変調するフルマトリックス概念とを比較した。 我々は,ロレンツとレースラーのシステムに基づく時系列予測タスクにおいて,様々な分岐パラメータと時間サンプリング尺度を含む3つのモデルを評価する。 我々は,HyperReservoirが3つのタスクすべてにおいて,最も低い平均テスト誤差を達成し,特に,同じアトラクションからサンプリングされるデータに対して,異なる時間スケールで,概念を上回ります。

関連論文リスト

• Next-Generation Reservoir Computing for Dynamical Inference [0.0]
  本稿では,時系列データから動的システムのモデリングを行うための,次世代貯水池コンピューティングのシンプルでスケーラブルな実装を提案する。 提案手法は、時間遅延埋め込みの擬似ランダム非線形射影を用いて、特徴空間の任意の次元を可能にする。 本手法は,部分的および雑音的な観測のみを用いて,アトラクタ再構成や分岐図推定を含むタスクのベンチマークに応用する。
  論文  参考訳（メタデータ） (2025-09-14T16:28:48Z)
• OPUS: Occupancy Prediction Using a Sparse Set [64.60854562502523]
  学習可能なクエリの集合を用いて、占有された場所とクラスを同時に予測するフレームワークを提案する。 OPUSには、モデルパフォーマンスを高めるための非自明な戦略が組み込まれている。 最も軽量なモデルではOcc3D-nuScenesデータセットの2倍 FPS に優れたRayIoUが得られる一方、最も重いモデルは6.1 RayIoUを上回ります。
  論文  参考訳（メタデータ） (2024-09-14T07:44:22Z)
• Predictive Modeling in the Reservoir Kernel Motif Space [0.9217021281095907]
  本研究では,線形貯水池のカーネルビューに基づく時系列予測手法を提案する。 我々は、我々のアプローチがコア貯水池モデルとどのように関係しているかについての光を遮蔽するアプローチの幾何学的解釈を提供する。 実験では,提案モデルの予測性能と最近の最先端変圧器モデルとの比較を行った。
  論文  参考訳（メタデータ） (2024-05-11T16:12:25Z)
• Feature-Based Echo-State Networks: A Step Towards Interpretability and Minimalism in Reservoir Computer [0.0]
  本稿では,時系列予測のためのエコー状態ネットワーク(ESN)パラダイムを用いた,新しい,解釈可能なリカレントニューラルネットワーク構造を提案する。 系統的な貯水池アーキテクチャは、特徴として知られる異なる入力の組み合わせによって駆動される小さな並列貯水池を用いて開発されている。 結果として、Feat-ESN(Feat-ESN)は、従来の単一貯留層ESNよりも低いリザーブノードを持つ。
  論文  参考訳（メタデータ） (2024-03-28T19:41:17Z)
• Reservoir computing with logistic map [0.0]
  本稿では,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示す。 時間的タスクに対してはLorenz, Rossler, Hindmarsh-Roseの3つの非線形系を予測し, 高精度な非時間的タスクに対しては7位とした。 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)
• Winner-Take-All Column Row Sampling for Memory Efficient Adaptation of Language Model [89.8764435351222]
  分散を低減した行列生成のために, WTA-CRS と呼ばれる新しい非バイアス推定系を提案する。 我々の研究は、チューニング変換器の文脈において、提案した推定器が既存のものよりも低い分散を示すという理論的および実験的証拠を提供する。
  論文  参考訳（メタデータ） (2023-05-24T15:52:08Z)

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。