看到双重的多功能储计算机
Andrew Flynn1, Vassilios A Tsachouridis2, Andreas Amann1
1School of Mathematical Sciences, University College Cork, Cork T12 XF62, Ireland.
Chaos (Woodbury, N.Y.)
|November 7, 2023
概括
人工神经网络 (ANN) 的多功能性依赖于多稳定性. 这项研究表明,吸引子之间的重叠严重取决于光谱半径,以实现储存计算机 (RC) 中的多重任务.
科学领域:
- 人工智能的人工智能
- 计算神经科学是一种神经科学.
- 动态系统 动态系统
背景情况:
- 多功能生物神经网络利用多稳定性来完成各种任务,而无需改变属性.
- 人工神经网络 (ANN) 可以从任务执行的多稳定性中受益,每个任务都与状态空间中的特定吸引器联系在一起.
研究的目的:
- 调查吸引关系如何影响储库计算机 (RC) 中的多功能性.
- 探索吸引器重叠对RC性能的影响在"看到双"问题中.
主要方法:
- 构建"双重视"问题,以系统地研究吸引子的共存和重叠.
- 在RC中分析吸引器重叠,光谱半径和多功能性之间的关系.
- 分叉分析,以了解混沌政权中的多功能性的出现和破坏.
主要成果:
- 在RCs中的多功能性严重依赖于吸引器重叠时内部网络连接的光谱半径.
- 吸引器之间的越来越多的重叠需要仔细选择光谱半径,以获得成功的多功能性.
- 多功能性出现和丢失,因为RC过渡到一个混乱的政权,可能导致混乱的流浪.
结论:
- 光谱半径是使具有重叠吸引器的储计算机实现多功能性的关键参数.
- 了解吸引力动力学和光谱半径是设计更通用的人工神经网络的关键.
- 混乱的漫游可能会影响储库计算机保持多功能性的能力.


