PulseAugur
实时 07:47:58
English(EN) Separation capacity of linear reservoirs with random connectivity matrix

新框架分析随机线性储层中的分离能力

研究人员开发了一个数学框架来分析随机线性储层的分离能力,这是储层计算在通用任务中的一个关键属性。研究表明,预期的分离能力取决于与连接矩阵相关的矩阵的光谱特性。对于高斯连接矩阵,研究表明,虽然经典缩放为大型储层提供了平衡的分离,但随着输入时间序列长度的增加,分离质量会下降。然而,独立的连接条目提供了渐近最优的分离。 AI

影响 为储层设计选择提供了理论依据,并引入了一个分析随机储层的新框架。

排序理由 该集群包含一篇在arXiv上发表的学术论文,详细介绍了用于分析储层计算特定方面的新数学框架。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv stat.ML 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新框架分析随机线性储层中的分离能力

报道来源 [1]

  1. arXiv stat.ML TIER_1 English(EN) · Youness Boutaib ·

    随机连接矩阵下线性储层分离能力

    arXiv:2404.17429v4 Announce Type: replace Abstract: A natural hypothesis for the success of reservoir computing in generic tasks is the ability of the untrained reservoir to map distinct input time series to separable reservoir states, a property we term separation capacity. In t…