PulseAugur
中
实时 18:51:41
English(EN) Centrality-Based Pruning for Efficient Echo State Networks

研究人员提出基于中心性的剪枝以实现高效的Echo State Networks

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种新方法来提高Echo State Networks (ESN) 的效率，ESN是一种用于预测非线性时间序列的框架。该方法将ESN的存储器视为一个图，并使用中心性度量来识别并剪除结构上不太重要的节点。该技术在减小存储器尺寸的同时，保持或提高了预测精度，并在时间序列预测和电力负荷预测的实验中得到了证明。 AI

影响 为存储器计算模型引入了一种新颖的剪枝技术，有望实现更高效的时间序列预测系统。

排序理由 这是一篇详细介绍改进Echo State Networks新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

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

研究人员提出基于中心性的剪枝以实现高效的Echo State Networks

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Sudip Laudari ·

    Centrality-Based Pruning for Efficient Echo State Networks

    arXiv:2603.20684v2 Announce Type: replace Abstract: Echo State Networks (ESNs) are a reservoir computing framework widely used for nonlinear time-series prediction. However, despite their effectiveness, randomly initialized reservoirs often contain redundant nodes, leading to unn…

相关话题