文章预览
涌现计算是一个受自然界中计算过程启发的领域,被描述为许多简单过程合作产生的高度复杂过程,或者一个系统的行为不依赖于其单个部分,而依赖于它们彼此之间的关系。 人工神经网络是基于生物大脑的涌现计算行为而开发的。 两者都是由简单机器组成的大型复杂系统,这些机器的相互作用产生了复杂的计算或思维。 这些理论的扩展推动了储层计算的发展,并应用了物理非线性系统。 储层计算技术可以在实用应用程序中利用自然界中的涌现计算。 例如,用水波纹进行图像分析,用菌丝霉菌解决迷宫问题和用化学反应器作为逻辑门。 然而,这些实例中并不表现出涌现记忆,以及通过关联学习在生物神经网络(BNNs)中观察到的行为。 由于记忆有限,储层系统的改进能力受到限制。 这意味着连续的任务,需要基于任务历史的行为,对储层来说
………………………………