相变自适应
机器学习
2021-04-21 v1 人工智能
机器学习
摘要
人工循环神经网络是一种强大的信息处理抽象，而储备池计算通过将对外部输入的投影映射到高维动力系统轨迹，提供了一种构建鲁棒实现的高效策略。在本文中，我们提出一种对原始方法的扩展，一种称为相变自适应（Phase Transition Adaptation）的局部无监督学习机制，旨在将系统动力学驱动至“稳定性边缘”。在此处，系统所展现的复杂行为可提升其整体计算能力。我们通过实验表明，我们的方法在多个数据集上始终达成其目标。
引用
@article{arxiv.2104.10132,
title = {Phase Transition Adaptation},
author = {Claudio Gallicchio and Alessio Micheli and Luca Silvestri},
journal= {arXiv preprint arXiv:2104.10132},
year = {2021}
}
备注
Accepted at IJCNN 2021