Reti di Memoria a Serbatoio Residuo: Una Nuova Classe di RNN Non Addestrate
Una nuova tipologia di Reti Neurali Ricorrenti non addestrate, chiamate Reti di Memoria a Serbatoio Residuo (ResRMN), è stata introdotta da ricercatori nell'ambito del Reservoir Computing. Questo modello innovativo integra un serbatoio di memoria lineare con una controparte non lineare che include connessioni ortogonali residue lungo la dimensione temporale, migliorando la propagazione degli input a lungo termine. La dinamica dello stato del serbatoio viene esaminata tramite analisi di stabilità lineare, e vengono esplorate varie configurazioni di residui temporali. Test empirici su serie temporali e compiti di classificazione 1-D a livello di pixel dimostrano prestazioni superiori rispetto ai modelli RC tradizionali. Questa ricerca è dettagliata in un articolo disponibile su arXiv (2508.09925) nella categoria Computer Science > Machine Learning.
Fatti principali
- Le Reti di Memoria a Serbatoio Residuo (ResRMN) sono una nuova classe di RNN non addestrate.
- ResRMN combina un serbatoio di memoria lineare con un serbatoio non lineare.
- Il serbatoio non lineare utilizza connessioni ortogonali residue lungo la dimensione temporale.
- La dinamica dello stato del serbatoio è studiata tramite analisi di stabilità lineare.
- Testate su serie temporali e compiti di classificazione 1-D a livello di pixel.
- Supera i modelli convenzionali di Reservoir Computing.
- Articolo disponibile su arXiv con ID 2508.09925.
- Inviato a Computer Science > Machine Learning.
Entità
Istituzioni
- arXiv