echo-state-network

本文使用Reservoir Computing框架对Caenorhabditis elegans的连接组进行基准测试，揭示了生物神经网络在计算任务中可能不会优于随机化模型。

本文研究使用 Reservoir Computing，特别是 Echo State Networks，来预测跳跃的四分之一车模型中的非线性振荡，展示了在智能驾驶应用中用于数据驱动的混沌车辆动力学预测的可行性。

介绍了一种受Lindblad启发的多时间尺度储备池架构，将旋转与耗散分离，从而独立控制混合、记忆和稳定性，在NARMA-20和Lorenz-63等基准上取得了有竞争力的结果。