用于对水库计算机进行编程的新神经机器代码
储层计算是一种很有前景的基于循环网络 (RNN) 的计算框架，它将输入数据映射到高维计算空间。 它在人工神经网络 (ANN) 中保留一些参数，同时更新其他参数。 该框架可以提高机器学习算法的性能并减少训练数据量。
RNN 使用与其处理单元的循环连接来顺序处理数据并做出准确的预测。 RNN 能够在各种任务中表现良好。 然而，通过识别与每个任务最相关的参数来优化性能可能很困难且耗时。
宾夕法尼亚大学的两位研究人员 Jason Kim 和 Dani S. Bassett 最近开发了一种替代方法来设计和编程 RNN 储层计算机。 这种方法的灵感来自于计算机硬件上的编程语言。 这种方法发表在《自然机器智能》上，可以识别适合网络的参数。 然后，它对其计算进行编程，以优化其在目标问题上的性能。
来源和详细信息：
https://techxplore.com/news/2023-07-neural-machine-code-reservoir.html