最小储备计算机中混沌吸引子的存储与选择
混沌动力学
2026-03-17 v1 机器学习
摘要
现代预测建模日益需要单一的学习动力学基质跨越多个运行范畴。从动力学系统视角来看，这一能力可分解为多个吸引子的存储以及针对情境线索进行合适吸引子选择的能力。在储备计算（RC）中，多吸引子学习主要使用大规模随机布线的储备器，以假设随机连线是生成足够丰富内部动力学所必需的。与此同时，近期工作表明，最小确定性储备器可与随机设计相当，用于单系统混沌预测。在最小拓扑结构下学习多个混沌吸引子的条件如何？本文发现，最小架构能够成功存储多个混沌吸引子。然而，这些相同的架构在任务切换方面存在困难，即系统必须对外部线索做出响应才能在吸引子之间转换。我们对存储和选择在八个三维混沌系统中所有 28 个无序系统对上进行测试。我们没有观察到多吸引子性能对储备器拓扑结构的稳健依赖性。在所调查的十种拓扑结构中，没有任何一种在存储或线索依赖选择方面始终优于其他任何一种。我们的结果表明，虽然最小基质具备建模共存吸引子的表示能力，但可能缺乏实现带权转换所需的稳健时间记忆。
引用
@article{arxiv.2603.15155,
title = {Storage and selection of multiple chaotic attractors in minimal reservoir computers},
author = {Francesco Martinuzzi and Holger Kantz},
journal= {arXiv preprint arXiv:2603.15155},
year = {2026}
}