要旨：スパイキングリザーバーコンピューティングは、固定再帰型リザーバーの学習効率と、各タイムステップごとに高密度に計算を行うのではなく、疎なスパイクによって計算がトリガーされるイベント駆動型推論のエネルギー効率を組み合わせた手法である。しかし、既存のスパイキングリザーバーはほぼすべて漏洩積分・発火（LIF）ニューロンに依存しており、そのローパス特性により異なる時間周波数で符号化された情報を区別する能力が制限されている。本研究では、LIFニューロンを多様な調和共鳴・発火（HRF）ニューロンの集団に置き換えた液体状態マシン「HRF-Res」を提案する。これらのニューロンは固有の振動ダイナミクスを示し、入力信号の周波数に対して選択的に応答することで、リザーバーが周波数特異的な時間パターンを捉えることを可能にする。その結果、LIFベースのリザーバーに比べてより識別力の高い表現と高い分類精度を実現しつつ、スパイキング計算のエネルギー効率を損なうことなく、同等の非スパイキング型振動リザーバーと比較して最大19倍のエネルギー消費削減を達成した。時系列データ、逐次画像、音声スパイク列、ニューロモルフィックビジョンなど、10種類のベンチマークにおいて評価したところ、HRF-Resはスパイキングリザーバー手法の中で最先端の精度を示した。これらの結果は、スパイキングリザーバーに周波数選択的ダイナミクスを導入することで、固有のエネルギー効率を維持しつつ、表現品質と分類性能を向上させることを示している。
コメント：| NeurIPS 2026 採録。本文30ページ（うちメインテキスト10ページ）、図4枚。コード：こちらのhttps URL 主題分野：| 人工知能（cs.AI） 引用形式：| arXiv:2610.37906 [cs.AI] | （または
arXiv:2610.37906v1 [cs.AI] このバージョン向け） | https://doi.org/10.48550/arXiv.2610.37906
詳しく学ぶためにフォーカス
DataCite経由のarXiv発行DOI（登録待ち）
投稿履歴
論文へのアクセス：
PDFを表示
HTML（実験的）
TeXソース
追加機能
音声要約
現在の閲覧コンテキスト：
参考文献・引用
Google Scholar
Semantic Scholar
ブックマーク
機関
arXivLabsは、共同作業者が当社のウェブサイト上で新しいarXiv機能を直接開発・共有できるフレームワークです。
arXivLabsを利用する個人および組織は、オープン性、コミュニティ、卓越性、そしてユーザーデータのプライバシーという当社の価値観を積極的に受け入れ、尊重しています。arXivはこれらの価値観に固くコミットしており、それらを遵守するパートナーのみと協力しています。
arXivのコミュニティに価値をもたらすプロジェクトのアイデアをお持ちですか？arXivLabsについて詳しくご覧ください。