储备池算法与动力系统分析研究进展

储备池算法因为其简约的算法结构、灵活多变的算法实现方式,以及同时具有非线性和记忆性等特点,在时间序列和动力系统相关问题的研究中被广泛应用.同时,经过训练的储备池本身形成了一个复杂动力系统.以储备池为桥梁,基于动力系统理论的分析对于探索学习过程的智能现象起到了重要作用.本文对储备池算法的最新研究进展进行了回顾与展望,梳理出逐渐形成的“用于动力系统的储备池算法”与“储备池算法的动力系统基础”2个相辅相成的研究方向.本文将有助于研究人员加深对以储备池为代表的人工智能算法的理解,促进人工智能、复杂系统及统计物理相关学科跨学科研究和交流.