耦合的非线性时滞系统作为深度卷积神经网络
摘要：深度时间延迟水池网络：一种高效的计算模型。 将深度时间延迟水池网络引入深度学习，可以避免当前计算平台上的低效模拟，实现深度卷积神经网络的概念。通过动力系统的通用驱动-响应特性，在底层结构层面上内在地实现了卷积。相比于传统的时间延迟水池网络，我们的深度网络在Mackey-Glass和Lorenz时间序列预测中至少提高了一个数量级的准确性。
作者：Bogdan Penkovsky, Xavier Porte, Maxime Jacquot, Laurent Larger, and Daniel Brunner
论文ID：1902.05608
分类：Emerging Technologies
分类简称：cs.ET
提交时间：2019-08-07