★ 2
HRF-Res 用谐振神经元替代 LIF 提升脉冲储备池精度
arXiv 论文提出 HRF-Res，用异构谐振放电（HRF）神经元替换传统 LIF 神经元构建液态状态机，使脉冲储备池能选择性响应不同时间频率的输入。在时间序列、序列图像、音频脉冲与神经形态视觉共 10 个基准上取得脉冲储备池方法中的最优精度，能耗比等效非脉冲振荡储备池低至 19 倍。
arXiv cs.AI3 天前
#储备池计算
共 5 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 2
线虫连接组在储备池计算中的基准测试
论文用储备池计算框架考察秀丽隐杆线虫的连接组，将其以最小预处理实现为回声状态网络储备池。在多个神经启发任务上测试发现，生物真实布线并不必然带来更好性能，随机化零模型反而常优于原始连接组。结果高度依赖储备池配置与连接组提取方式，不同年龄连接组表现无明确趋势。
arXiv cs.LG35 天前
★ 2
储备池计算预测跳跃四分之一车模型非线性振荡
研究探索储备池计算（具体为回声状态网络 ESN）对跳跃四分之一车模型进行数据驱动预测的可行性。仅用少量点的时间序列训练，网络即可定性重现倍周期分岔通向混沌的路径，并捕捉周期与混沌吸引子的几何结构，表明 RC 可用于非光滑车辆系统的非线性动力学预测。
arXiv cs.LG41 天前
★ 2
LoRA-RC：低秩适配的储备池计算
论文提出LoRA-RC，通过流式预测误差驱动的低秩修正来适配储备池循环矩阵，核心矩阵在线更新并投影到谱范数球内、逐步低通滤波，保证循环矩阵始终处于认证收缩集内并建立增量输入-状态稳定性界。在Lorenz系统突变漂移场景下，LoRA-RC将漂移后预测误差较固定RC降低56%、较仅读出适配降低51%。
arXiv cs.AI49 天前
★ 1
arXiv 提出 CGDT-CESN 聚类回声状态网络预测多变量时序
研究提出相关性引导、动力学训练的聚类回声状态网络 CGDT-CESN，每个聚类专门对应一个变量，簇间连接由变量间经验相关性驱动并可训练。在 Twitter 信息级联演化与太阳风预测两个数据集上均优于传统 ESN，且在低数据量与多预测步长下保持优势。
arXiv cs.LG14 天前