vestibular reservoir computing
机器学习
2026-04-14 v1 混沌动力学
数据分析、统计与概率
摘要
滴漏计算(Reservoir computing, RC)因其训练效率高而被认为适合物理硬件实现。然而，在物理系统中实现传统储存体的复杂互联性仍是重大挑战。本文提出一种受生物 vestibular 系统启发的物理 RC 方案。为克服硬件复杂性，我们引入一种设计的非耦合拓扑结构，并证明其性能相当于完全耦合网络。我们通过推导线性储存体的记忆容量公式，对分析两种拓扑结构之间的差异，识别出两种配置在特定条件下具有等效记忆的条件。这些分析结果被证明对非线性储存体系统也约等于成立。进一步，我们系统性地检验了储存体规模对预测统计和记忆容量的影响。我们的发现表明，非耦合储存体架构为高效物理滴漏计算提供了数学上严谨且在实际中可行的路径。
关键词
引用
@article{arxiv.2604.09943,
title = {Vestibular reservoir computing},
author = {Smita Deb and Shirin Panahi and Mulugeta Haile and Ying-Cheng Lai},
journal= {arXiv preprint arXiv:2604.09943},
year = {2026}
}
备注
24 pages, 11 figures