رایانش مخزنی

مخزن محاسبات یک چارچوب برای محاسبه است که ممکن است به عنوان یک فرمت از شبکه‌های عصبی باشد.^[۱] به‌طور معمول یک سیگنال ورودی به یک سیستم دینامیکی ثابت (تصادفی) به نام مخزن تغذیه شده و دینامیک مخزن ورودی را به ابعاد بالاتر می‌نگارد. پس از آن یک سازوکار بازخوانی ساده برای خواندن حالت مخزن و نگاشت آن به خروجی مورد نظر آموزش داده می‌شود. مزیت اصلی در این مدل این است که آموزش تنها در مرحله بازخوانی انجام شده و مخزن ثابت است. ماشین وضعیت-مایع و شبکه حالت پژواک^[۲] دو نوع اصلی از رایانش مخزن هستند.^[۳]^[۴]

جستارهای وابسته

منابع

↑ Schrauwen, Benjamin, David Verstraeten, and Jan Van Campenhout. "An overview of reservoir computing: theory, applications, and implementations." Proceedings of the European Symposium on Artificial Neural Networks ESANN 2007, pp. 471-482.
↑ Jaeger, Herbert, "The echo state approach to analyzing and training recurrent neural networks." Technical Report 154 (2001), German National Research Center for Information Technology.
↑ Mass, Wolfgang, T. Nachtschlaeger, and H. Markram. "Real-time computing without stable states: A new framework for neural computation based on perturbations." Neural Computation 14(11): 2531–2560 (2002).
↑ Echo state network, Scholarpedia

[1] Schrauwen, Benjamin, David Verstraeten, and Jan Van Campenhout. "An overview of reservoir computing: theory, applications, and implementations." Proceedings of the European Symposium on Artificial Neural Networks ESANN 2007, pp. 471-482.

[2] Jaeger, Herbert, "The echo state approach to analyzing and training recurrent neural networks." Technical Report 154 (2001), German National Research Center for Information Technology.

[3] Mass, Wolfgang, T. Nachtschlaeger, and H. Markram. "Real-time computing without stable states: A new framework for neural computation based on perturbations." Neural Computation 14(11): 2531–2560 (2002).

[4] Echo state network, Scholarpedia

[۱]

[۲]

[۳]

[۴]