基于GLMY同调的储洞拓扑结构优化
机器学习
2026-04-21 v3
摘要
储洞是处理时间序列的高效网络。众所周知，网络结构是其性能的关键决定因素之一。然而，由于缺乏合适的数学工具，储洞的拓扑结构及其性能难以分析。本文使用持久GLMY同调理论研究储洞的拓扑结构，并开发一种提高其性能的方法。具体而言，发现储洞性能与一维GLMY同调群密切相关。随后，我们通过修改一维GLMY同调群的最小代表循环来开发储洞结构优化方法。最后，通过实验验证，储洞性能同时受到储洞结构和数据集周期性的影响。
引用
@article{arxiv.2509.11612,
title = {Topology Structure Optimization of Reservoirs Using GLMY Homology},
author = {Yu Chen and Shengwei Wang and Hongwei Lin},
journal= {arXiv preprint arXiv:2509.11612},
year = {2026}
}