当前位置：
X-MOL 学术
›
Phys. Rev. E
›
论文详情
Our official English website, www.x-mol.net, welcomes your
feedback! (Note: you will need to create a separate account there.)
Choosing dynamical systems that predict weak input
Physical Review E ( IF 2.2 ) Pub Date : 2021-07-21 , DOI: 10.1103/physreve.104.014409 Sarah E Marzen 1
Physical Review E ( IF 2.2 ) Pub Date : 2021-07-21 , DOI: 10.1103/physreve.104.014409 Sarah E Marzen 1
Affiliation
|
Somehow, our brain and other organisms manage to predict their environment. Behind this must be an input-dependent dynamical system, or recurrent neural network, whose present state reflects the history of environmental input. The design principles for prediction—in particular, what kinds of attractors allow for greater predictive capability—are still unknown. We offer some clues to design principles using an attractor picture when the environment perturbs the system's state weakly, motivating and developing some theory for continuous-time time-varying linear reservoirs along the way. Reservoirs that inherently support only stable fixed points are generically good predictors, while reservoirs with limit cycles are good predictors for noisy periodic input.
中文翻译：
选择预测弱输入的动态系统
不知何故，我们的大脑和其他生物设法预测它们的环境。这背后一定是一个依赖于输入的动力系统，或者循环神经网络，其当前状态反映了环境输入的历史。预测的设计原则——特别是什么样的吸引子允许更大的预测能力——仍然未知。当环境微弱地扰乱系统的状态时，我们使用吸引子图片提供了一些设计原则的线索，激励和发展了一些关于沿途连续时间时变线性水库的理论。固有地仅支持稳定不动点的储层通常是良好的预测器，而具有极限循环的储层则是噪声周期性输入的良好预测器。
更新日期：2021-07-21
中文翻译：
选择预测弱输入的动态系统
不知何故，我们的大脑和其他生物设法预测它们的环境。这背后一定是一个依赖于输入的动力系统，或者循环神经网络，其当前状态反映了环境输入的历史。预测的设计原则——特别是什么样的吸引子允许更大的预测能力——仍然未知。当环境微弱地扰乱系统的状态时，我们使用吸引子图片提供了一些设计原则的线索，激励和发展了一些关于沿途连续时间时变线性水库的理论。固有地仅支持稳定不动点的储层通常是良好的预测器，而具有极限循环的储层则是噪声周期性输入的良好预测器。
京公网安备 11010802027423号