整数回声状态网络：数字硬件的高效储备计算
摘要：基于超维计算数学，我们提出了一种能够在数字硬件上高效实现的Echo State Networks (ESN) 近似方法。所提议的整型Echo State Network (intESN) 的储备库是一个仅包含n位整数的向量（其中n<8通常足够满意的表现）。循环权重矩阵相乘被替换为高效的循环移位操作。该intESN方法已经在储备计算的典型任务中进行了验证：输入序列的记忆化、时序的分类以及动态过程的学习。这种架构在存储占用和计算效率方面取得了显著的改进，并且性能损失最小。在可编程门阵列上的实验证明，所提出的intESN方法比传统ESN更省能耗。
作者：Denis Kleyko, E. Paxon Frady, Mansour Kheffache, Evgeny Osipov
论文ID：1706.00280
分类：Neural and Evolutionary Computing
分类简称：cs.NE
提交时间：2022-09-02