基于实现理论的储层计算网络可解释设计
机器学习
2021-12-14 v1 神经与进化计算
系统与控制
系统与控制
摘要
储层计算网络（RCNs）已成功用作学习与复杂决策任务中的工具。尽管其高效且训练成本低，RCNs 的实际应用仍严重依赖经验性设计。本文中，我们利用线性动力系统的实现理论开发一种设计 RCNs 的算法。具体地，我们引入 -稳定实现的概念，并提供在不损害训练精度的情况下缩减线性 RCN 规模的高效方法。此外，基于可控性与可观测性矩阵的概念，我们导出线性 RCN 中隐节点数不可约性的充要条件。借助线性 RCN 设计，我们给出实现带非线性激活函数 RCNs 的易处理流程。最后，我们在预测时滞系统与混沌系统的数值实验中验证所提 RCN 设计方法并展示其效能。
引用
@article{arxiv.2112.06891,
title = {Interpretable Design of Reservoir Computing Networks using Realization Theory},
author = {Wei Miao and Vignesh Narayanan and Jr-Shin Li},
journal= {arXiv preprint arXiv:2112.06891},
year = {2021}
}