从金融到工程领域,包括预测在内的时间序列分析至关重要。但是,很难进行长期预测,尤其是对于基本模型和参数复杂且未知的情况。神经网络可以以时间单位有效地处理特征,并且对于此类目的具有吸引力。尤其是,储层计算可以以较低的培训成本提供对递归神经网络的高效时间处理,因此非常适合于时间序列分析和预测任务。近日,美国密歇根大学Wei D. Lu研究团队报道了基于动态氧化钨(WOx)忆阻器的储层计算硬件系统,该系统可以有效地处理时间数据。 WOx忆阻器的内部短期记忆效应使基于忆阻器的储层可以将时间输入非线性映射到储层状态,在此可以通过线性读出函数轻松处理投影特征。研究人员使用该系统以实验方式演示了两个标准基准测试任务:具有部分输入的孤立语音识别和混沌系统预测。语音数字识别的分类准确率高达99.2%,并且已经证明了长期以来自主的混沌时间序列预测。
Moon, J. Lu, W. D. et al. Temporal data classification and forecasting using a memristor-based reservoir computing system. Nature Electronics 2019.
DOI:10.1038/s41928-019-0313-3
https://www.nature.com/articles/s41928-019-0313-3