Динамическое резервное вычисление на основе мемристоров для высокоэффективной обработки временных сигналов

Резервное вычисление является высокоэффективной сетью для обработки временных сигналов благодаря низким затратам на обучение по сравнению со стандартными рекуррентными нейронными сетями, и генерация богатых состояний резервуара критична для аппаратной реализации. В этой работе мы сообщаем о параллельной системе резервного вычисления на основе динамических мемристоров с применением управляемого процесса маскирования, при котором ключевые параметры, включая богатство состояний, силу обратной связи и масштаб входа, можно настроить путем изменения длины маски и диапазона входного сигнала. Наша система достигает низкой ошибки распознавания слов (word error rate) 0,4% при распознавании произнесённых цифр и низкой нормализованной среднеквадратичной ошибки (normalized root mean square error) 0,046 при предсказании временного ряда карты Генона, что превосходит большинство существующих аппаратных систем резервного вычисления и также программные решения для задачи предсказания карты Генона. Наша работа может проложить путь к созданию высокоэффективных систем резервного вычисления на основе мемристоров для решения более сложных временных задач в будущем.