Reservoir Computing Benchmarks: a tutorial review and critique

要約

リザーバーコンピューティングは、再発性ニューラルネットワークや物理材料など、さまざまな異なる基質で計算を実行するための型破りな計算モデルです。
このメソッドは「ブラックボックス」アプローチを採用し、構築されたシステムの出力のみをトレーニングします。
そのため、これらのシステムの計算能力を評価することは困難です。
貯水池コンピューティングの分野で使用される評価方法をレビューし、批判します。
ベンチマークタスクの分類を紹介します。
貯水池のコンピューティングに適用される文献からのベンチマークの複数の例を確認し、それらの強みと欠点に注意します。
ベンチマークとその使用を貯水池コンピューティングコミュニティの利益のために改善する方法を提案します。

要約(オリジナル)

Reservoir Computing is an Unconventional Computation model to perform computation on various different substrates, such as recurrent neural networks or physical materials. The method takes a ‘black-box’ approach, training only the outputs of the system it is built on. As such, evaluating the computational capacity of these systems can be challenging. We review and critique the evaluation methods used in the field of reservoir computing. We introduce a categorisation of benchmark tasks. We review multiple examples of benchmarks from the literature as applied to reservoir computing, and note their strengths and shortcomings. We suggest ways in which benchmarks and their uses may be improved to the benefit of the reservoir computing community.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google