输入驱动循环神经网络的引导自组织
神经与进化计算
2014-01-10 v1 人工智能
适应与自组织系统
摘要
我们回顾了为理解输入驱动动力系统（如循环神经网络（RNN）特别是储层计算网络）的计算属性和机制所做的尝试。我们详细介绍了已开发出的用于定量回答上述问题的方法。随后，我们展示了如何利用自组织来改进储层以提升性能，在某些情况下由前述度量进行引导。我们还提出了一种利用信息论方法量化任务性能的可能途径，最后讨论了有前景的未来方向，旨在更好地理解这些系统如何执行计算，以及如何最佳地引导自组织过程以进行优化。
引用
@article{arxiv.1309.1524,
title = {Guided Self-Organization of Input-Driven Recurrent Neural Networks},
author = {Oliver Obst and Joschka Boedecker},
journal= {arXiv preprint arXiv:1309.1524},
year = {2014}
}
备注
23 pages, to appear in M. Prokopenko (ed.), Guided Self-Organization: Inception, Springer, 2014