实体
echo state network
echo state network
PulseAugur coverage of echo state network — every cluster mentioning echo state network across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
新型量子启发式模型实现可扩展序列学习
研究人员开发了一个名为 gated QKAN-FWP 的新型量子启发式序列学习框架，该框架将快速权重编程器 (FWP) 与量子启发式 Kolmogorov-Arnold 网络 (QKAN) 相结合。该方法利用单量子比特数据重新上传电路作为非线性激活，并结合标量门控更新规则以实现稳定的参数演化。该框架在时间序列预测（包括太阳周期预测）方面表现出色，其参数量远少于经典模型，但性能更优。
-
CogScale基准加速AI序列处理评估
研究人员推出CogScale，一个旨在高效评估AI架构序列处理能力的新基准。该基准包含14个可扩展的合成任务，允许在进行大量训练之前快速验证新设计。使用CogScale进行的初步评估测试了包括GRU、LSTM、Mamba和Transformer变体在内的七种不同架构，涵盖了各种参数预算和难度级别。
-
基于忆阻器的AI系统在高效学习和神经形态计算方面展现出潜力
研究人员正在探索自组织忆阻网络（SOMNs）作为人工智能的传统硬件的物理替代方案，旨在实现节能、类脑的持续学习。这些网络利用纳米级电阻式存储器元件的独特动力学来执行计算。最近的工作表明，它们在图像分类方面具有高精度和对器件变化的鲁棒性，并在时间序列分类方面表现出色，优于传统的基于梯度的模型，同时大大缩短了训练时间。