arXiv cs.AI· Huy Mai, Robert Clarke·· 3 天前AI 评分12
用 InputDSA 分析基于 WSBM 的 Echo State Networks 动力学
Analyzing the Dynamics of WSBM-based Echo State Networks using InputDSA
AI 导读
该研究用 Weighted Stochastic Block Model（WSBM）替换 Echo State Networks（ESN）中的随机网络，构建反映潜在功能子回路的储备池，并引入 Input Dynamical Similarity Analysis（InputDSA）分离结构先验对内在循环动力学与外部输入的影响。
正文 · AI 翻译
摘要：弥合生物大脑与人工神经网络之间的结构鸿沟，为改变计算动力学提供了一条路径。本文引入了一个 Reservoir Computing 框架，通过将加权随机块模型（WSBM）应用于 Echo State Networks（ESN），用具有生物学现实性的模块化结构替代随机网络。这种拓扑参数化构建了能够反映潜在功能子回路的储备池。此外，输入动力学相似性分析（InputDSA）的整合提供了一种机制，用于分离并比较结构先验如何调节内在循环动力学与外部输入。通过评估这些架构，我们确认结构多样性并不必然预示所选网络子集上的行为多样性。此外，我们的解混分析证实了动力学的安娜·卡列尼娜原则，表明环境约束会促使成功的智能体实现动力学收敛，而失败的网络则退化为特异性的轨迹。
| 评论： | 不含参考文献和附录共 9 页，9 幅图 |
| 学科： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.15380 [cs.AI] |
| （或 arXiv:2610.15380v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.15380 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
发件人：Huy Mai [查看电子邮件]
[v1]
2026 年 10 月 11 日星期日 06:08:02 UTC（6,715 KB）
来源：arXiv cs.AI · arxiv.org