输入预测临界储层展现对意外输入事件的幂律遗忘
神经与进化计算
2015-08-11 v5
摘要
通常，储层计算表现出指数级的记忆衰减。本文研究了回声状态网络在何种情况下能展现幂律遗忘。这意味着早期事件的痕迹可以在储层中保留极长的时间跨度。这种设置要求连接性恰好处于回声状态条件所允许极限处的临界状态。然而，对于一般矩阵，无法从理论上精确确定该极限。此外，网络行为受输入流的强烈影响。本文展示了利用某些类型的受限循环连接性以及针对输入的预测学习所得到的结果，在这些条件下确实可以实现幂律遗忘。
引用
@article{arxiv.1404.6334,
title = {Input anticipating critical reservoirs show power law forgetting of unexpected input events},
author = {Norbert Michael Mayer},
journal= {arXiv preprint arXiv:1404.6334},
year = {2015}
}