reservoirpy/reservoirpy

何を解決するか

ReservoirPy は、特にエコー状態ネットワーク（ESN）を含むリザーバー計算アーキテクチャの作成と実装を簡素化するためのライブラリです。複雑な時系列データや時系列予測（たとえばカオス的時系列の予測）および分類タスクを扱うための柔軟なフレームワークを提供します。

動作方法

このライブラリは、固定されたランダムなニューロンのリザーバーを使用して入力信号を高次元空間にマッピングするリザーバー計算のパラダイムを実装しています。訓練対象は読み出し層のみであり、これによりトレーニング時間と計算量を大幅に削減できます。深層リザーバー、複数の読み出し層、フィードバックループ、効率性を高めるためのスパース行列計算など、さまざまな構成をサポートしています。

対象ユーザー

再帰的ニューラルネットワーク、時系列解析、動的システムに取り組んでいる研究者や開発者で、リザーバー計算モデルの設計および最適化に柔軟なツールが必要な方々。

主な特徴

• 柔軟なアーキテクチャ: 深層リザーバー、複数の読み出し層、フィードバック接続をサポート。
• 高度な学習ルール: Intrinsic Plasticity、Local Plasticity、Next-Generation Reservoir Computing (NVAR) を含む。
• トレーニングオプション: オフラインおよびオンラインの両方のトレーニングモードを提供。
• 統合性: scikit-learn モデルとのインターフェースを提供し、Jax バックエンドで高速化を実現。
• 最適化: hyperopt ライブラリを使用したハイパーパラメータ探索用のグラフィカルツールを備えています。