Signal demixing using multi-delay multi-layer reservoir computing
Notice bibliographique
Résumé
Brain circuitry involves a large number of recurrent feedback loops whose dynamics depend on interaction delays. Brain-inspired reservoir computing leverages the rich recurrent dynamics of interconnected units for performing tasks on inputs. In particular, time-delay reservoir computing uses the high-dimensional transient dynamics in nonlinear delayed feedback loop architectures for e.g. time series prediction and speech classification. The modification of the dynamical properties of delay-differential systems through the inclusion of multiple delays has also recently been shown to improve the performance of time-delay reservoir computing. Here we explore another aspect of such neuro-inspired computing of fundamental and technological importance: the ability to separate and predict two signals in a mixture, where each has some intrinsic predictability due to its underlying dynamics. This is illustrated using multi-delay and multi-layer reservoir computing with chaotic input signal mixtures. In contrast to Independent Component Analysis and related unsupervised learning techniques, the context here consists in the parallel supervised learning of the dynamics for each signal in order to predict each of them beyond the training set. Further, the superposition of the chaotic signals into a single input channel adds to the difficulty of the task. We quantify and explain this performance with various signals emanating from both deterministic and stochastic systems. Additionally, we explore the architecture of deep time-delay reservoir computers. Our findings demonstrate that multi-delay reservoir computing can learn and predict the future of two superimposed deterministic signals. Prediction—and thus separation—accuracy can be significantly higher in single and multi-layer time-delay reservoir computing when the first layer contains multiple delays. Bandpass filtering of the mixed signal to remove lower and higher frequencies improved the prediction by a few percent. In some cases, paradoxically, increasing the proportion of one chaotic signal in the mixture can actually help the learning of another chaotic signal, and thus slightly improve its prediction.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».