探索不同储备计算机的多功能极限
机器学习
2022-05-24 v1 神经与进化计算
动力系统
混沌动力学
摘要
多功能神经网络能够在不改变任何网络连接的情况下执行多于一项任务。在本文中，我们探究了连续时间、泄漏积分器以及下一代“储备计算机”(RC)在训练于测试多功能极限的任务时的表现。在第一个任务中，我们训练每个RC从不同动力系统的混沌吸引子共存中重建。通过使描述这些吸引子的数据彼此靠近，我们发现每个RC重建两个吸引子的能力随它们在状态空间中开始重叠而减弱。为更好理解这一抑制效应，在第二个任务中我们训练每个RC重建两个仅旋转方向不同的圆轨道共存。我们考察了在某些RC中为在这种训练数据完全重叠的极端情况下实现多功能，特定参数可能产生的关键影响。
引用
@article{arxiv.2205.11375,
title = {Exploring the limits of multifunctionality across different reservoir computers},
author = {Andrew Flynn and Oliver Heilmann and Daniel Köglmayr and Vassilios A. Tsachouridis and Christoph Räth and Andreas Amann},
journal= {arXiv preprint arXiv:2205.11375},
year = {2022}
}
备注
Accepted for publication in the proceedings of the 2022 International Joint Conference on Neural Networks (IJCNN 2022)