reservoirpy/reservoirpy

解决的问题

ReservoirPy 是一个旨在简化生成和实现水库计算架构（特别是回声状态网络 ESN）的库。它提供了一个灵活的框架，用于处理复杂的时序数据和时间序列预测任务，例如混沌时间序列预测和分类任务。

工作原理

该库实现了水库计算范式，使用固定且随机的神经元水库将输入信号映射到高维空间。仅训练读出层，这显著减少了训练时间和计算量。它支持多种配置，包括深层水库、多读出层、反馈回路以及用于效率的稀疏矩阵计算。

适用人群

从事循环神经网络、时间序列分析和动力系统的研究人员和开发者，需要一个灵活的工具来设计和优化水库计算模型。

主要亮点

• 灵活的架构：支持深层水库、多读出层和反馈连接。
• 高级学习规则：包含内在可塑性（Intrinsic Plasticity）、局部可塑性（Local Plasticity）和下一代水库计算（NVAR）。
• 训练选项：提供离线和在线训练模式。
• 集成能力：与 scikit-learn 模型接口，并提供 Jax 后端以实现加速。
• 优化功能：包含使用 hyperopt 库进行超参数探索的图形化工具。