論文の概要: Sector-Ring Linear Reservoirs: Sector-Wise Decay-Timescale Allocation With State Reuse Across Candidate Settings
- arxiv url: http://arxiv.org/abs/2610.25806v1
- Date: Mon, 19 Oct 2026 05:17:36 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-24 04:30:14.509057
- Title: Sector-Ring Linear Reservoirs: Sector-Wise Decay-Timescale Allocation With State Reuse Across Candidate Settings
- Title（参考訳）: セクターリングリニア貯水池:セクターウェイズ・デカイ・タイムスケール・アロケーションと州立リユース
- Abstract要約: 貯水池計算では、貯水池の固定力学がタスクに適合するか、適切なメモリ長と周波数応答が異なるかに依存する。
線形リカレンスを持つ貯水池では、力学はモードに分解され、固有値当たりの1つとなり、固有値分布は設計変数となる。
本研究では,円周の等間隔位置で固有値角を固定し,数個の値から選択した1つの減衰時間スケールを連続角度の各セクタに割り当てるセクタリング線形貯留層(SRLR)を提案する。
検索のコストを削減するために、モードの状態は、
- 参考スコア（独自算出の注目度）: 1.3299946892361476
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In reservoir computing, performance depends on whether the fixed dynamics of the reservoir suit the task, and the appropriate memory length and frequency response differ across tasks. The reservoir settings are found by a search on each task, and driving the reservoir with the input and collecting its states for every candidate setting dominates the cost of the search. In a reservoir with a linear recurrence, the dynamics decompose into modes, one per eigenvalue, and the eigenvalue distribution becomes a design variable. We propose the Sector-Ring Linear Reservoir (SRLR), in which the eigenvalue angles are fixed at evenly spaced positions around a circle and one decay timescale, chosen from a few values, is assigned to each sector of consecutive angles. To keep the scale of each mode's state equal across candidates, the input weights are scaled using the power spectrum of the training input. To reduce the cost of the search, the states of the modes for each decay-timescale value are computed once and reused across candidates. On prediction and reconstruction benchmarks built from chaotic systems, the SRLR achieved, in all eight cases, a lower mean test error than a reference model in which all modes share one decay timescale, and was competitive with nonlinear echo state network and leaky-integrator echo state network baselines. The selected decay-timescale profiles changed with the prediction target and horizon. The state reuse reduced the number of computed mode trajectories in the search by 99.8% relative to per-candidate recomputation.
- Abstract（参考訳）: 貯水池計算では、貯水池の固定力学がタスクに適合するか、適切なメモリ長と周波数応答が異なるかに依存する。
貯水池設定は各タスクの探索によって検出され、その入力で貯水池を駆動し、その候補設定毎に状態を収集して検索のコストが支配される。
線形リカレンスを持つ貯水池では、力学はモードに分解され、固有値当たりの1つとなり、固有値分布は設計変数となる。
本稿では,円周の等間隔位置で固有値角を固定し,数個の値から選択した1つの減衰時間スケールを連続角度の各セクタに割り当てるセクタリング線形貯留層(SRLR)を提案する。
各モードの状態のスケールを候補間で等しく保つために、トレーニング入力のパワースペクトルを用いて入力重みをスケールする。
探索コストを低減するために、各減衰時間スケール値のモードの状態が一度計算され、候補間で再利用される。
カオスシステムから構築された予測と再構成のベンチマークにおいて、SRLRは8つのケースすべてにおいて、全てのモードが1つの減衰時間スケールを共有する基準モデルよりも平均テスト誤差が低いことを達成し、非線形エコー状態ネットワークと漏洩積分器エコー状態ネットワークのベースラインと競合した。
選択した崩壊時間スケールプロファイルは, 予測目標と地平線で変化した。
状態再利用により、検索における計算モードのトラジェクトリの数は、候補ごとの再計算と比較して99.8%削減された。
関連論文リスト
- Rotate the Loop: Blockwise Conformality for Looped Transformers [72.4010041245191]
ループが状態を追跡することを学習したかどうかが,この地図の形状に関する幾何学的問題であることを示す。
残差を座標整列群に分割し,それぞれ内部を回転させるブロックワイド整列注入を提案する。
論文 参考訳（メタデータ） (2026-09-30T23:32:34Z) - Leveraging Inference-Time Compute for Diffusion Models via Global Scheduling of Denoising Trajectories [16.711750527598827]
拡散モデルは、純雑音をターゲット分布からのドローに変換する一連のノイズ低減ステップであるデノイング軌跡をトラバースしてサンプルを生成する。
これによってリソース割り当ての疑問が持ち上がります – 探索の作業は、denoising trajectoryのステップにまたがってどのように分散されるべきなのでしょうか?
ステップサイズで先行する順に、ステップにおいて$K$の候補を評価することで期待される利益が、内因性、ステップ固有の感度パラメータに、普遍的なサンプルサイズファクターの倍に分解されることを示す。
実験により,提案したアロケーションは,機能評価を20～50%減らして,一様ベンチマークの品質を達成できることが示された。
論文 参考訳（メタデータ） (2026-09-19T08:10:33Z) - Residual-Guided Randomized Neural Networks [7.698602367824994]
ランダム化されたニューラルネットワークは、隠れた層パラメータへの入力をランダムに固定し、出力重みをクローズドな形式で学習することで、高速で分析可能なトレーニングを可能にする。
本稿では, 隠蔽層を閉鎖型残留劣化基準を用いてグリード的に構築する, 簡易かつ広範に適用可能な残留ガイド法を提案する。
提案した残差誘導モデルが,精度,安定性,総合ランク付け性能において,ベースラインモデルよりも一貫して優れていることを示す。
論文 参考訳（メタデータ） (2026-08-28T12:30:08Z) - Closed-Form Spectral Regularization for Multi-Task Model Merging [96.82449201305234]
モデルマージは、個別に調整された複数の専門家をトレーニングデータなしで単一のマルチタスクモデルに結合する。
State-of-the-art merging method formulate merging as a layer-wise interference problem。
本稿では,逐次降下の勾配-流路に一致するソフト指数フィルタを組み合わせた閉形式手法SWUDIを提案する。
論文 参考訳（メタデータ） (2026-06-05T14:00:47Z) - Perceive, Route and Modulate: Dynamic Pattern Recalibration for Time Series Forecasting [68.53528085362642]
現在の深い予測モデルは、すべての時間トークンに一様に適用される固定重み行列に依存している。
トークンレベルの再校正によってこれを解決するバックボーンに依存しないメカニズムであるDynamic Pattern Recalibrationを導入する。
DPRNetは12ベンチマークで競合性能を達成し、マクロパラメータスケーリングに対する動的リカバリを検証する。
論文 参考訳（メタデータ） (2026-05-07T14:12:47Z) - Deep Imbalanced Regression via Hierarchical Classification Adjustment [50.19438850112964]
コンピュータビジョンにおける回帰タスクは、しばしば、対象空間をクラスに定量化することで分類される。
トレーニングサンプルの大多数は目標値の先頭にあるが、少数のサンプルは通常より広い尾幅に分布する。
不均衡回帰タスクを解くために階層型分類器を構築することを提案する。
不均衡回帰のための新しい階層型分類調整(HCA)は,3つのタスクにおいて優れた結果を示す。
論文 参考訳（メタデータ） (2023-10-26T04:54:39Z) - Simple Cycle Reservoirs are Universal [0.358439716487063]
貯留層モデル(Reservoir model)は、トレーニング不能な入力と動的結合重みを固定したリカレントニューラルネットワークのサブクラスを形成する。
制限のない線形貯水池系を普遍的に近似できることを示す。
論文 参考訳（メタデータ） (2023-08-21T15:35:59Z) - SreaMRAK a Streaming Multi-Resolution Adaptive Kernel Algorithm [60.61943386819384]
既存のKRRの実装では、すべてのデータがメインメモリに格納される必要がある。
KRRのストリーミング版であるStreaMRAKを提案する。
本稿では,2つの合成問題と2重振り子の軌道予測について紹介する。
論文 参考訳（メタデータ） (2021-08-23T21:03:09Z) - Reservoir Computers Modal Decomposition and Optimization [0.0]
我々は貯水池の力学をモードに分解し、互いに独立して計算することができる。
次に、固有値は適切な設計と最適化が可能なパラメータであるパラメトリックなアプローチをとる。
個々のモードの操作は、固有値または時間シフトの観点で、トレーニングエラーの劇的な減少につながる可能性があることを示しています。
論文 参考訳（メタデータ） (2021-01-13T23:30:21Z) - Counting Out Time: Class Agnostic Video Repetition Counting in the Wild [82.26003709476848]
本稿では,アクションがビデオで繰り返される期間を推定するためのアプローチを提案する。
アプローチの要点は、周期予測モジュールを時間的自己相似性を使用するように制約することにある。
我々は、大規模なラベルなしビデオコレクションから生成される合成データセットを用いて、Repnetと呼ばれるこのモデルをトレーニングする。
論文 参考訳（メタデータ） (2020-06-27T18:00:42Z)
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。