Macchina a stato liquido - Liquid state machine

Una macchina a stato liquido ( LSM ) è un tipo di computer serbatoio che utilizza una rete neurale a spillo . Un LSM è costituito da un ampio insieme di unità (chiamate nodi o neuroni ). Ciascun nodo riceve input variabili nel tempo da fonti esterne (gli input ) e da altri nodi. I nodi sono collegati casualmente tra loro. La natura ricorrente delle connessioni trasforma l'input variabile nel tempo in uno schema spazio-temporale di attivazioni nei nodi della rete. I modelli spazio-temporali di attivazione vengono letti da unità discriminanti lineari .

La zuppa di nodi connessi in modo ricorrente finirà per calcolare una grande varietà di funzioni non lineari sull'input. Data una varietà sufficientemente ampia di tali funzioni non lineari, è teoricamente possibile ottenere combinazioni lineari (usando le unità di lettura) per eseguire qualsiasi operazione matematica necessaria per eseguire un determinato compito, come il riconoscimento vocale o la visione artificiale .

La parola liquido nel nome deriva dall'analogia disegnata per far cadere una pietra in uno specchio d'acqua immobile o in un altro liquido. La pietra che cade genererà increspature nel liquido. L'input (movimento della pietra che cade) è stato convertito in uno schema spazio-temporale di spostamento liquido (increspature).

Gli LSM sono stati proposti come un modo per spiegare il funzionamento del cervello . Si sostiene che gli LSM rappresentino un miglioramento rispetto alla teoria delle reti neurali artificiali perché:

  1. I circuiti non sono codificati per eseguire un'attività specifica.
  2. Gli input di tempo continuo vengono gestiti "naturalmente".
  3. I calcoli su varie scale temporali possono essere eseguiti utilizzando la stessa rete.
  4. La stessa rete può eseguire più calcoli.

Le critiche agli LSM utilizzate nelle neuroscienze computazionali sono che

  1. Gli LSM in realtà non spiegano come funziona il cervello. Nella migliore delle ipotesi possono replicare alcune parti della funzionalità cerebrale.
  2. Non esiste un modo garantito per sezionare una rete funzionante e capire come o quali calcoli vengono eseguiti.
  3. Pochissimo controllo sul processo.

Approssimazione della funzione universale

Se un serbatoio ha memoria in dissolvenza e separabilità di input , con l'aiuto di una lettura, si può dimostrare che la macchina a stato liquido è un approssimatore di funzione universale usando il teorema di Stone-Weierstrass .

Guarda anche

Biblioteche

  • LiquidC#: implementazione di una macchina a stato liquido topologicamente robusta con un rilevatore di rete neuronale [1]

Riferimenti