Máquina de estado líquido - Liquid state machine

Una máquina de estado líquido ( LSM ) es un tipo de computadora de depósito que utiliza una red neuronal de picos . Un LSM consta de una gran colección de unidades (llamadas nodos o neuronas ). Cada nodo recibe entradas variables en el tiempo de fuentes externas (las entradas ), así como de otros nodos. Los nodos se conectan aleatoriamente entre sí. La naturaleza recurrente de las conexiones convierte la entrada variable en el tiempo en un patrón espacio-temporal de activaciones en los nodos de la red. Los patrones espacio-temporales de activación se leen mediante unidades discriminantes lineales .

La sopa de nodos conectados de forma recurrente terminará calculando una gran variedad de funciones no lineales en la entrada. Dada una variedad suficientemente grande de tales funciones no lineales, es teóricamente posible obtener combinaciones lineales (usando las unidades de lectura) para realizar cualquier operación matemática necesaria para realizar una determinada tarea, como el reconocimiento de voz o la visión por computadora .

La palabra líquido en el nombre proviene de la analogía que se deriva de dejar caer una piedra en un cuerpo de agua quieta u otro líquido. La piedra que cae generará ondas en el líquido. La entrada (movimiento de la piedra que cae) se ha convertido en un patrón espacio-temporal de desplazamiento de líquido (ondas).

Los LSM se han propuesto como una forma de explicar el funcionamiento de los cerebros . Se argumenta que los LSM son una mejora con respecto a la teoría de las redes neuronales artificiales porque:

  1. Los circuitos no están codificados para realizar una tarea específica.
  2. Las entradas de tiempo continuo se manejan "naturalmente".
  3. Se pueden realizar cálculos en varias escalas de tiempo utilizando la misma red.
  4. La misma red puede realizar múltiples cálculos.

Las críticas a los LSM utilizados en neurociencia computacional son que

  1. En realidad, los LSM no explican cómo funciona el cerebro. En el mejor de los casos, pueden replicar algunas partes de la funcionalidad del cerebro.
  2. No existe una forma garantizada de analizar una red de trabajo y averiguar cómo o qué cálculos se están realizando.
  3. Muy poco control sobre el proceso.

Aproximación de función universal

Si un depósito tiene memoria que se desvanece y separabilidad de entrada , con la ayuda de una lectura, se puede probar que la máquina de estado líquido es un aproximador de función universal usando el teorema de Stone-Weierstrass .

Ver también

Bibliotecas

  • LiquidC #: Implementación de una máquina de estado líquido topológicamente robusta con un detector de red neuronal [1]

Referencias