受美国空军研究实验室、陆军研究署、DARPA等资助，俄亥俄州立大学的研究人员证明非线性向量自回归可实现储层计算功能。
储层计算是一种可以根据动力系统随时间演变的数据生成模型的机器学习算法，需要的训练数据较少，算力需求也小。然而，该算法使用随机采样矩阵定义底层的循环神经网络，并且有许多必须优化的元参数，需要额外调整。近期研究表明，储层计算在数学上与非线性向量自回归机（NVAR）等同。这里，研究人员证明设计良好的NVAR可以完成较困难的储层计算任务，成为下一代储层计算技术。数学证明表明NVAR包含传统储层计算的连接矩阵和其他参数，并且每个多项式输出线性储层计算都可以用NVAR表示。相比传统储层计算方法，NVAR直接从离散样本输入数据创建特征向量，无需神经网络；预热期仅包含时间步长，显著短于传统储层计算。利用天气系统简化模型、双旋涡电路模型测试新方法，结果表明，NVAR与优化良好的传统储层计算方法准确度相当，但训练时间和样本数量大幅减少。
这种下一代储层计算方法减少了训练数据和训练时间，有望用于流体动力学预测等任务。
论文：Next generation reservoir computing
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
