A liquid state machine (LSM) is a type of reservoir computer that uses a spiking neural network. An LSM consists of a large collection of units (called nodes, or neurons). Each node receives time varying input from external sources (the inputs) as well as from other nodes. Nodes are randomly connected to each other. The recurrent nature of the connections turns the time varying input into a spatio-temporal pattern of activations in the network nodes. The spatio-temporal patterns of activation are read out by linear discriminant units.
| Attributes | Values |
|---|
| rdf:type
| |
| rdfs:label
| - Machine à état liquide (fr)
- Liquid state machine (en)
- Máquina de estado líquido (pt)
- Рідкий скінченний автомат (uk)
|
| rdfs:comment
| - Uma máquina de estado líquido é uma estrutura computacional semelhante a uma , composta de uma seguida de uma estrutura denominada de unidade de leitura que opera sobre os estados da rede neural e gera uma saída. Um exemplo de estrutura que pode ser utilizada como rede de leitura é uma , como uma perceptron multicamadas. (pt)
- A liquid state machine (LSM) is a type of reservoir computer that uses a spiking neural network. An LSM consists of a large collection of units (called nodes, or neurons). Each node receives time varying input from external sources (the inputs) as well as from other nodes. Nodes are randomly connected to each other. The recurrent nature of the connections turns the time varying input into a spatio-temporal pattern of activations in the network nodes. The spatio-temporal patterns of activation are read out by linear discriminant units. (en)
- Une machine à état liquide (MEL, liquid state machine en anglais, LSM) est un genre particulier de réseau de neurones dopé. Une MEL consiste en un large ensemble d'unités (appelées nœuds, ou neurones). Chaque nœud reçoit une entrée dépendant du temps depuis une source externe (les entrées) aussi bien que depuis d'autres nœuds. Les nœuds sont aussi connectés aléatoirement les uns aux autres. La partie récurrente de ces liens, ainsi que les entrées qui dépendent du temps, génèrent un motif d'activation spatio-temporel des nœuds. Ces activations spatio-temporelles sont lues par les unités via des discriminants linéaires. (fr)
- Рідки́й скінче́нний автома́т (РСА, англ. liquid state machine, LSM) — це особливий вид . РСА складається з великого зібрання вузлів (що називають нейронами). Кожен вузол отримує змінюваний з часом вхід від зовнішніх джерел (входи, англ. inputs), а також і від інших вузлів. Вузли є випадково з'єднаними один з одним. Рекурентна природа цих з'єднань перетворює змінюваний в часі вхід на збуджень вузлів мережі. Просторово-часові візерунки збудження зчитуються лінійно розділювальними вузлами. Критика РСА при застосуванні в обчислювальній нейронауці полягає в тому, що (uk)
|
| dcterms:subject
| |
| Wikipage page ID
| |
| Wikipage revision ID
| |
| Link from a Wikipage to another Wikipage
| |
| Link from a Wikipage to an external page
| |
| sameAs
| |
| dbp:wikiPageUsesTemplate
| |
| has abstract
| - Une machine à état liquide (MEL, liquid state machine en anglais, LSM) est un genre particulier de réseau de neurones dopé. Une MEL consiste en un large ensemble d'unités (appelées nœuds, ou neurones). Chaque nœud reçoit une entrée dépendant du temps depuis une source externe (les entrées) aussi bien que depuis d'autres nœuds. Les nœuds sont aussi connectés aléatoirement les uns aux autres. La partie récurrente de ces liens, ainsi que les entrées qui dépendent du temps, génèrent un motif d'activation spatio-temporel des nœuds. Ces activations spatio-temporelles sont lues par les unités via des discriminants linéaires. L'ensemble de nœuds connectés de façon récurrente va finir par réussir à calculer une grande variété de fonctions non linéaires des entrées. Si on se donne un nombre assez grand de telles fonctions non linéaires, alors il est théoriquement possible d'obtenir des combinaisons linéaires (en utilisant les unités de lecture) qui vont permettre de calculer n'importe quelles opérations mathématiques nécessaires à la réalisation de certaines tâches, comme la reconnaissance de la parole ou la vision automatique. Le terme liquide dans le nom de cette méthode vient de l'analogie avec le fait de lâcher une pierre dans un réservoir d'eau (ou d'un autre liquide). La pierre qui chute va générer des ondes de choc dans le liquide. Le signal d'entrée (le mouvement de la pierre en train de tomber) a ainsi été converti en un motif spatio-temporel de déplacement du liquide (les ondes de choc). Les MEL ont été mises en avant comme une façon d'expliquer certains aspects du cerveau. Certains défendent les MEL comme étant une amélioration de la théorie des réseaux neuronaux artificiels parce que : 1.
* Les circuits ne sont pas conçus pour effectuer une tâche précise. 2.
* Les signaux d'entrées continus et dépendant du temps sont pris en compte de façon "naturelle". 3.
* Les calculs sur de diverses échelles de temps peuvent être effectués par le même réseau. 4.
* Et le même réseau peut être utilisé pour calculer différentes opérations. Certains critiquent aussi les MEL telles qu'elles sont utilisées en neuroscience computationnelle parce que : 1.
* Les MEL n'expliquent pas comment le cerveau fonctionne. Au mieux elles ne font qu'imiter certaines de ses fonctions. 2.
* Il n'y a aucun moyen d'ouvrir un réseau qui fonctionne bien et d'espérer apprendre comment ou quelles opérations sont calculées (une MEL agit comme une boite noire). 3.
* Il n'y a pas assez de contrôle sur le processus d'apprentissage des MEL. (fr)
- A liquid state machine (LSM) is a type of reservoir computer that uses a spiking neural network. An LSM consists of a large collection of units (called nodes, or neurons). Each node receives time varying input from external sources (the inputs) as well as from other nodes. Nodes are randomly connected to each other. The recurrent nature of the connections turns the time varying input into a spatio-temporal pattern of activations in the network nodes. The spatio-temporal patterns of activation are read out by linear discriminant units. The soup of recurrently connected nodes will end up computing a large variety of nonlinear functions on the input. Given a large enough variety of such nonlinear functions, it is theoretically possible to obtain linear combinations (using the read out units) to perform whatever mathematical operation is needed to perform a certain task, such as speech recognition or computer vision. The word liquid in the name comes from the analogy drawn to dropping a stone into a still body of water or other liquid. The falling stone will generate ripples in the liquid. The input (motion of the falling stone) has been converted into a spatio-temporal pattern of liquid displacement (ripples). LSMs have been put forward as a way to explain the operation of brains. LSMs are argued to be an improvement over the theory of artificial neural networks because: 1.
* Circuits are not hard coded to perform a specific task. 2.
* Continuous time inputs are handled "naturally". 3.
* Computations on various time scales can be done using the same network. 4.
* The same network can perform multiple computations. Criticisms of LSMs as used in computational neuroscience are that 1.
* LSMs don't actually explain how the brain functions. At best they can replicate some parts of brain functionality. 2.
* There is no guaranteed way to dissect a working network and figure out how or what computations are being performed. 3.
* Very little control over the process. (en)
- Uma máquina de estado líquido é uma estrutura computacional semelhante a uma , composta de uma seguida de uma estrutura denominada de unidade de leitura que opera sobre os estados da rede neural e gera uma saída. Um exemplo de estrutura que pode ser utilizada como rede de leitura é uma , como uma perceptron multicamadas. (pt)
- Рідки́й скінче́нний автома́т (РСА, англ. liquid state machine, LSM) — це особливий вид . РСА складається з великого зібрання вузлів (що називають нейронами). Кожен вузол отримує змінюваний з часом вхід від зовнішніх джерел (входи, англ. inputs), а також і від інших вузлів. Вузли є випадково з'єднаними один з одним. Рекурентна природа цих з'єднань перетворює змінюваний в часі вхід на збуджень вузлів мережі. Просторово-часові візерунки збудження зчитуються лінійно розділювальними вузлами. Суп із рекурентно з'єднаних вузлів у кінцевому підсумку обчислюватиме велике розмаїття нелінійних функцій над входом. З огляду на достатньо велике розмаїття таких нелінійних функцій, теоретично можливо отримати лінійні комбінації (використовуючи вузли зчитування) для виконання будь-якої математичної операції, потрібної для виконання певного завдання, такого як розпізнавання мовлення, або комп'ютерний зір. Слово «рідкий» у назві походить від аналогії з киданням каменя до нерухомого об'єму води або іншої рідини. Падіння каменю створить брижі на поверхні рідини. Вхід (рух каменю, що падає) було перетворено на просторово-часовий візерунок переміщення рідини (брижі). РСА було висунуто як спосіб пояснення дії мозку. РСА обговорюються як вдосконалення по відношенню до теорії штучних нейронних мереж, оскільки: 1.
* Ланцюги не закодовано жорстко для виконання конкретного завдання. 2.
* Входи неперервного часу обробляються «природно». 3.
* Обчислення на різних масштабах часу можуть виконуватися на одній і тій самій мережі. 4.
* Одна й та сама мережа може виконувати декілька обчислень. Критика РСА при застосуванні в обчислювальній нейронауці полягає в тому, що 1.
* РСА насправді не пояснюють, як працює мозок. В кращому випадку, вони можуть повторювати деякі частини функціональності мозку. 2.
* Немає гарантованого способу препарувати працюючу мережу, і з'ясувати, як або які виконуються обчислення. 3.
* Дуже мало контролю над процесом. (uk)
|
| gold:hypernym
| |
| prov:wasDerivedFrom
| |
| page length (characters) of wiki page
| |
| foaf:isPrimaryTopicOf
| |
| is Link from a Wikipage to another Wikipage
of | |
| is Wikipage redirect
of | |
| is Wikipage disambiguates
of | |
| is foaf:primaryTopic
of | |
![[RDF Data]](/fct/images/sw-rdf-blue.png)
![[cxml]](/fct/images/cxml_doc.png)
![[csv]](/fct/images/csv_doc.png)
![[text]](/fct/images/ntriples_doc.png)
![[turtle]](/fct/images/n3turtle_doc.png)
![[ld+json]](/fct/images/jsonld_doc.png)
![[rdf+json]](/fct/images/json_doc.png)
![[rdf+xml]](/fct/images/xml_doc.png)
![[atom+xml]](/fct/images/atom_doc.png)
![[html]](/fct/images/html_doc.png)