Table des matières:
- Définition - Que signifie Liquid State Machine (LSM)?
- Techopedia explique Liquid State Machine (LSM)
Définition - Que signifie Liquid State Machine (LSM)?
Une machine à état liquide (LSM) est un modèle ou système d'apprentissage automatique qui fait partie d'une série de modèles de réseaux de neurones particuliers. Ces modèles s'appuient sur des conceptions traditionnelles pour introduire des méthodes nouvelles et innovantes de traitement de l'information. Comme d'autres types de réseaux de neurones, les machines à états liquides et les constructions similaires sont basées sur la neurobiologie du cerveau humain.
Techopedia explique Liquid State Machine (LSM)
Pour vraiment comprendre ce qu'est une machine à l'état liquide, il est important de comprendre le type de programme d'apprentissage automatique dans lequel elle s'inscrit. Ces types de machine learning sont parfois appelés réseaux neuronaux de «troisième génération», et de nombreux experts se réfèrent aux réseaux de neurones «dopés» pour illustrer leur fonctionnement. Le réseau de neurones dopés, qui utilise plusieurs des mêmes modèles qu'une machine à état liquide, ajoute une propriété de temps aux éléments synaptiques et neuronaux.
Dans un modèle de machine à état liquide, l'évaluation de l'activité neuronale de pointe conduit à un modèle spatio-temporel d'activation du réseau de neurones. Il s'agit d'un type de réseau neuronal récurrent, de sorte que certains types de mémoire sont préservés tout au long du processus.
Un autre indice de la nature d'une machine à état liquide a à voir avec le nom de ce type particulier de réseau neuronal à pointes.
L'idée est que la chute d'une pierre ou d'un autre élément solide dans un plan d'eau ou un autre liquide produit des ondulations à la surface et une activité sous la surface, qui peuvent être évaluées pour comprendre ce qui se passe dans le système. De la même manière, les humains peuvent évaluer les opérations d'une machine à état liquide pour mieux comprendre comment elle modélise l'activité cérébrale humaine. Cependant, une chose importante à noter est que les machines à état liquide ont certaines faiblesses ou défis particuliers. L'une d'elles est qu'il devient très difficile d'observer réellement le travail de calcul et impossible de procéder à une rétro-ingénierie du système car il existe des règles moins strictes sur le processus lui-même. Les experts soulignent que dans une machine à l'état liquide, les circuits ne sont pas codés en dur pour effectuer des tâches spécifiques, et en raison de la polyvalence du système et de sa conception, il y a moins de contrôle sur le processus du réseau neuronal en général.
