科研之友
微信
新浪微博
Facebook
分享链接
摘要
液体状态机(Liquid State Machine, LSM)具有实时计算和仿生的特点，在处理时间序列数据上具有巨大潜力。为了研究如何提高神经网络模型训练性能，降低计算复杂度，文章首先梳理和回顾了近几年相关研究文献，其次提出硬件实现和软件模型两个优化思路，并总结了不同优化方法的优势与不足，硬件和软件上的优化可以提高神经网络模型学习性能和训练速度，但依然存在可控性差、算法最优解未知等问题，最后针对以上问题对未来的研究方向进行了展望，可为时间序列数据处理和模式识别领域提供优化思路。
- 出版日期2023
- 单位河北科技大学; 中国人民解放军陆军工程大学
