振荡增强带反馈的储备池计算中的时间序列预测
机器学习
2025-06-24 v1 人工智能
神经与进化计算
摘要
储备池计算是一种用于模拟大脑的机器学习框架，可以用很少的观测数据和极少的计算资源预测时间数据。然而，由于储备池系统变得不稳定，难以精确再现长期目标时间序列。这种预测能力对于广泛的时间序列处理是必需的，包括运动时序和混沌动力系统的预测。本研究提出了带反馈的振荡驱动储备池计算（ODRC），将振荡信号馈入储备池网络以稳定网络活动并诱导复杂的储备池动力学。在运动时序和混沌时间序列预测任务中，ODRC比传统储备池计算方法能更精确地再现长期目标时间序列。此外，它能在未经历的时间段生成与目标相似的时间序列，即它能从有限的观测中学习抽象的生成规则。鉴于这种简单且计算成本低廉的实现所带来的显著改进，ODRC可作为各种时间序列数据的实用模型。此外，我们将讨论ODRC的生物学意义，将其视为神经振荡及其小脑处理器的模型。
引用
@article{arxiv.2406.02867,
title = {Oscillations enhance time-series prediction in reservoir computing with feedback},
author = {Yuji Kawai and Takashi Morita and Jihoon Park and Minoru Asada},
journal= {arXiv preprint arXiv:2406.02867},
year = {2025}
}