Рідки й скінче нний автома т РСА англ liquid state machine LSM це особливий вид en РСА складається з великого зібрання в

Рідки́й скінче́нний автома́т (РСА, англ. liquid state machine, LSM) — це особливий вид ^[en]. 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 ^[en] 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:

Ланцюги не закодовано жорстко для виконання конкретного завдання.
Входи неперервного часу обробляються «природно».
Обчислення на різних масштабах часу можуть виконуватися на одній і тій самій мережі.
Одна й та сама мережа може виконувати декілька обчислень.

Критика РСА при застосуванні в обчислювальній нейронауці полягає в тому, що

РСА насправді не пояснюють, як працює мозок. В кращому випадку, вони можуть повторювати деякі частини функціональності мозку.
Немає гарантованого способу препарувати працюючу мережу, і з'ясувати, як або які виконуються обчислення.
Дуже мало контролю над процесом.

Універсальне наближення функцій

Якщо резервуар має пам'ять із згасанням (англ. fading memory) та роздільність входу (англ. input separability), за допомогою зчитування, може бути показано, що рідкий скінченний автомат є універсальним наближувачем функцій, за допомогою теореми Стоуна — Вейєрштрасса.

Див. також

Мережа з відлунням стану: подібне поняття в рекурентній нейронній мережі.
Резервуарне обчислення: концептуальна система.
Самоорганізаційна карта

Бібліотеки

LiquidC#: Реалізація топологічно стійкого рідкого скінченного автомату з нейромережевим детектором

Примітки

Maass, Wolfgang; Markram, Henry (2004), On the Computational Power of Recurrent Circuits of Spiking Neurons, Journal of Computer and System Sciences, 69 (4): 593—616, doi:10.1016/j.jcss.2004.04.001 (англ.)

Література

Maass, Wolfgang; Natschläger, Thomas; Markram, Henry (November 2002), (PDF), Neural Comput, 14 (11): 2531—60, doi:10.1162/089976602760407955, PMID 12433288, архів оригіналу (PDF) за 22 лютого 2012. {{}}: Недійсний |deadurl=unfit ()
Wolfgang Maass; Thomas Natschläger; Henry Markram (2004), Computational Models for Generic Cortical Microcircuits, In Computational Neuroscience: a Comprehensive Approach, Ch 18, 18: 575—605
Fernando, Chrisantha; Sojakka, Sampsa; Of Series Lecture Notes In Computer Science, ISBN (2005), Pattern Recognition in a Bucket, In Advances in Artificial Life: 978—3

[1] Maass, Wolfgang; Markram, Henry (2004), On the Computational Power of Recurrent Circuits of Spiking Neurons, Journal of Computer and System Sciences, 69 (4): 593—616, doi:10.1016/j.jcss.2004.04.001 (англ.)