Жидкостная машина состояний - Liquid state machine

Жидкое состояние машины ( МНК ) представляет собой тип резервуара компьютера , который использует пики нейронной сети . LSM состоит из большого набора элементов (называемых узлами или нейронами ). Каждый узел получает изменяющийся во времени вход от внешних источников ( входов ), а также от других узлов. Узлы связаны друг с другом случайным образом . Рецидивирующий характер соединений превращает изменяющееся во время ввода в пространственно-временной узор активаций в узлах сети. Пространственно-временные паттерны активации считываются линейными дискриминантными блоками.

Множество периодически подключенных узлов приведет к вычислению большого количества нелинейных функций на входе. Учитывая достаточно большое разнообразие таких нелинейных функций, теоретически возможно получить линейные комбинации (с использованием считывающих устройств) для выполнения любой математической операции, необходимой для выполнения определенной задачи, такой как распознавание речи или компьютерное зрение .

Слово жидкость в названии происходит от аналогии, проведенной с падением камня в неподвижный водоем или другую жидкость. Падающий камень вызовет рябь в жидкости. Вход (движение падающего камня) был преобразован в пространственно-временную модель смещения жидкости (рябь).

LSM были предложены как способ объяснить работу мозга . LSM считается улучшением теории искусственных нейронных сетей, потому что:

  1. Цепи не жестко запрограммированы для выполнения конкретной задачи.
  2. Входы с непрерывным временем обрабатываются «естественно».
  3. Вычисления в различных временных масштабах могут выполняться с использованием одной и той же сети.
  4. Одна и та же сеть может выполнять несколько вычислений.

Критика LSM, используемых в вычислительной нейробиологии , заключается в том , что

  1. LSM на самом деле не объясняют, как функционирует мозг. В лучшем случае они могут воспроизвести некоторые части функций мозга.
  2. Нет гарантированного способа проанализировать работающую сеть и выяснить, как и какие вычисления выполняются.
  3. Очень мало контроля над процессом.

Приближение универсальной функции

Если резервуар имеет затухающую память и разделимость входов , с помощью считывания можно доказать, что машина состояний жидкости является универсальным аппроксиматором функций, используя теорему Стоуна – Вейерштрасса .

Смотрите также

Библиотеки

  • LiquidC #: реализация топологически надежной машины с жидкими состояниями с нейронным сетевым детектором [1]

Рекомендации