.png){kind=icon}
返回
Liquid state machines Gaussian process
.png){kind=icon}
PRE
AI
DOI：10.1016/j.neunet.2025.107949.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本研究探讨了液体状态机与高斯过程回归的集成，提出了一种新型算法，即液体状态机高斯过程。液体状态机通过其储备池中的脉冲神经元处理信息，表现出复杂的动态响应，非常适合捕捉非线性时间序列中的复杂特征。然而，液体状态机中的传统读出层通常依赖线性回归或简单分类器。本文利用高斯过程的贝叶斯框架改进了读出层，实现了输出预测并提供相关的预测分布信息。在混沌时间序列、日语元音数据分类、骨骼动作识别和UR5教学任务上的实验评估表明，液体状态机高斯过程方法表现出准确性和鲁棒性。
Keyword:
liquid state machine
Gaussian process regression
nonlinear time series
spiking neurons
Bayesian framework
期刊
IF:
6.3
论文数:
8.2K
被引数:
3.0W
机构
引用论文
暂无论文信息