.png){kind=icon}
返回
Scalable mobile swarm network for reservoir computing using gaussian kernel density estimation
.png){kind=icon}
OA
AI
DOI：10.1016/j.neunet.2025.108263.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
群智能源于群网络的集体行为，该行为利用群系统的分布式和简单规则来处理复杂问题，而无需中央控制器。将此类群网络转化为有价值且实用的计算资源的一种潜在方法是应用储备池计算框架。然而，在转换过程中，这些网络可能会出现排列对称性和不稳定性等技术挑战，这显著阻碍了计算性能。在本文中，我们探索了在储备池计算框架中，移动群网络执行机器学习任务的潜力。我们提出在储备池计算框架中插入一个使用高斯核密度估计的观测层。我们的方法不仅解决了排列对称性问题，还稳定了群行为，形成了一个可扩展的群网络。我们探索了不同群规模及四种基准计算组合下的计算能力变化。我们证明了我们的观测层在解决排列对称性问题上的有效性，并发现将不同群网络并行组合可提升性能。我们发现，蚂蚁与鸟类储备池的最佳比例为8:2。当群规模为20时，性能达到约0.20的协方差，与包含16个节点的回声状态网络（ESN）相当。当群规模增至60时，协方差值达到约0.21，与包含18个节点的ESN性能匹配。这表明我们的群网络在执行计算任务时具有合理的记忆量和非线性能力。我们还通过手写分类任务验证了该方法的有效性，进一步突显了其实用性。我们的发现深入探讨了群网络计算能力的影响，为群智能的替代机制及其在人工智能中的应用提供了见解。
Keyword:
Swarm intelligence
Swarm networks
Reservoir computing
Machine learning
Gaussian kernel density estimation
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
6.3
论文数:
8.2K
被引数:
3.0W
机构
暂无机构信息
引用论文
分享收藏Chu, K.-F., Ye, F., & Iida, F. (2024). Embodied intelligence in transportation systems: Road network computing. In Iop conference series: Materials science and engineering (p. 012010). IOP Publishing (vol. 1321).Chu, K.-F., Ye, F., & Iida, F. (2024). 交通系统中的具身智能：道路网络计算。载于《Iop会议系列：材料科学与工程》（第012010页）。IOP Publishing（第1321卷）。.png)
IF0
PREAI
分享收藏分享收藏Integration of individual and social information for decision-making in groups of different sizesPLOS Biology
OAAI
PLOS BiologyIF0
OAAI分享收藏
查看更多内容