Машина жидких состояний - Liquid state machine

А машина состояния жидкости (LSM) является разновидностью резервуарный компьютер который использует пиковая нейронная сеть. LSM состоит из большого набора единиц (называемых узлы, или же нейроны). Каждый узел получает изменяющийся во времени вход от внешних источников ( входы), а также от других узлов. Узлы случайно связанный друг другу. В повторяющийся природа связей превращает изменяющийся во времени вход в пространственно-временная картина активаций в сетевых узлах. Пространственно-временные паттерны активации считываются линейный дискриминант единицы.

Множество периодически подключенных узлов в конечном итоге приведет к вычислению большого количества нелинейные функции на входе. Учитывая достаточно большое разнообразие таких нелинейных функций теоретически возможно получить линейные комбинации (с использованием считывающих устройств) для выполнения любых математических операций, необходимых для выполнения определенной задачи, например распознавание речи или же компьютерное зрение.

Слово жидкость в названии происходит от аналогии, проводимой с падением камня в стоячую воду или другую жидкость. Падающий камень создаст рябь в жидкости. Вход (движение падающего камня) был преобразован в пространственно-временную модель смещения жидкости (рябь).

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

  1. Цепи не запрограммированы жестко 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 вычислительная нейробиология это 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 в резервуаре есть угасание памяти и разделимость ввода, с помощью считывания можно доказать, что автомат жидких состояний является универсальным аппроксиматором функций, используя Теорема Стоуна-Вейерштрасса.[1]

Смотрите также

Библиотеки

  • LiquidC #: реализация топологически надежного автомата жидких состояний [2] с детектором нейронной сети [1]

Рекомендации

  1. ^ Маасс, Вольфганг; Маркрам, Генри (2004), «О вычислительной мощности рекуррентных цепей импульсных нейронов», Журнал компьютерных и системных наук, 69 (4): 593–616, Дои:10.1016 / j.jcss.2004.04.001
  2. ^ Хананель, Хазан; Ларри, М., Маневит (2012), "Топологические ограничения и надежность в машинах с жидким состоянием", Экспертные системы с приложениями, 39 (2): 1597–1606, Дои:10.1016 / j.eswa.2011.06.052.CS1 maint: несколько имен: список авторов (связь)