Платформа машинного обучения, использующая динамические системы для обработки временных данных.Резервуарные вычисления — это парадигма машинного обучения, которая использует внутреннюю динамику физической или смоделированной системы — «резервуара» — для обработки временных данных. Вместо обучения всей сети обучается только простой выходной слой, в то время как резервуар остаётся фиксированным. Это делает метод высокоэффективным для таких задач, как прогнозирование временных рядов, распознавание образов и обработка сигналов, и он может быть реализован на нетрадиционном оборудовании, от оптических систем до магнитных устройств.
Резервуарные вычисления возникли в начале 2000-х годов в результате двух независимых разработок: эхо-сетей, предложенных Гербертом Йегером, и жидких машин, предложенных Вольфгангом Маасом.
Резервуар — это динамическая система, которая отображает входные сигналы в многомерное пространство состояний, где нелинейные преобразования делают данные более линейно разделимыми. Выходной слой, часто реализуемый с помощью линейной регрессии, обучается отображать эти состояния в желаемые выходные сигналы. Поскольку внутренние связи резервуара не настраиваются, обучение происходит быстро и требует минимальных вычислительных ресурсов, что делает метод пригодным для приложений реального времени и периферийных вычислений.
Метод используется в робототехнике для управления двигателями, в телекоммуникациях для выравнивания каналов и в научных исследованиях для моделирования сложных динамических систем, включая квантовые системы и гидродинамику.
Физические резервуары могут быть созданы практически из любой нелинейной системы, включая ведро с водой, хаотический лазер или даже руку мягкого робота.











