액체 상태 기계

Liquid state machine

액상 상태 기계(LSM)는 급증하는 신경망을 사용하는 저장장치 컴퓨터의 일종이다.LSM은 많은 단위(노드 또는 뉴런이라고 함)로 구성된다.각 노드는 다른 노드뿐만 아니라 외부 소스(입력)로부터 다양한 시간 입력을 수신한다.노드는 무작위로 서로 연결되어 있다.연결의 반복적인 특성은 변화하는 입력 시간을 네트워크 노드에서 작동의 주피오-임시 패턴으로 바꾼다.활성화의 주피오-임시 패턴은 선형 판별 단위에 의해 판독된다.null

반복적으로 연결된 노드의 스프는 입력에 대한 다양한 비선형 함수를 계산하게 된다.그러한 비선형 함수의 다양성이 충분히 크기 때문에, 이론적으로 (읽은 단위를 사용하여) 선형 결합을 얻어 음성 인식이나 컴퓨터 시각과 같은 특정 작업을 수행하기 위해 필요한 수학적 연산을 수행하는 것이 가능하다.null

이름 속의 액체라는 단어는 물이나 다른 액체의 정체에 돌을 떨어뜨리기 위해 끌어낸 비유에서 유래한다.떨어지는 돌은 액체에 파문을 일으킬 것이다.입력(떨어지는 돌의 움직임)은 액상 변위(리플)의 주피오-임시 패턴으로 변환되었다.null

LSM은 뇌의 작동을 설명하기 위한 방법으로 제시되어 왔다.LSM은 다음과 같은 이유로 인공신경망 이론에 대한 개선이라고 주장된다.

  1. 회로는 특정 작업을 수행하도록 하드 코딩되지 않는다.
  2. 연속 시간 입력은 "자연스럽게" 처리된다.
  3. 다양한 시간 척도의 계산은 동일한 네트워크를 사용하여 수행할 수 있다.
  4. 동일한 네트워크가 복수의 연산을 수행할 수 있다.

계산 신경 과학에서 사용되는 LSM에 대한 비판은 다음과 같다.

  1. LSM은 실제로 뇌가 어떻게 기능하는지 설명하지 않는다.기껏해야 뇌 기능의 일부를 복제할 수 있다.
  2. 작동하는 네트워크를 해부하고 어떻게 또는 어떤 계산이 수행되고 있는지 알아낼 수 있는 보장된 방법은 없다.
  3. 그 과정에 대한 통제력이 거의 없다.

범용 함수 근사

저장소에 페이딩 메모리와 입력 분리성이 있는 경우 판독치의 도움을 받아 액체 상태 기계가 스톤-바이어스트라스 정리를 사용하여 범용 함수 근사치임을 증명할 수 있다.[1]null

참고 항목

도서관

  • LiquidC#: 뉴런 네트워크 검출기를 사용한 위상학적으로 강력한 액체 상태 기계 구현 [1]

참조

  1. ^ Maass, Wolfgang; Markram, Henry (2004), "On the Computational Power of Recurrent Circuits of Spiking Neurons", Journal of Computer and System Sciences, 69 (4): 593–616, doi:10.1016/j.jcss.2004.04.001
  2. ^ Hananel, Hazan; Larry, M., Manevit (2012), "Topological constraints and robustness in liquid state machines", Expert Systems with Applications, 39 (2): 1597–1606, doi:10.1016/j.eswa.2011.06.052.{{citation}}: CS1 maint : 복수이름 : 작성자 목록(링크)