Définition - Que signifie Liquid State Machine (LSM)?
Une machine à état liquide (LSM) est un modèle ou un système d'apprentissage automatique qui fait partie d'une série de modèles de réseaux neuronaux particuliers. Ces modèles s'appuient sur des conceptions traditionnelles pour introduire de nouvelles méthodes innovantes de traitement de l'information. Comme d'autres types de réseaux de neurones, les machines à état liquide et autres constructions similaires sont basées sur la neurobiologie du cerveau humain.
Definir Tech explique Liquid State Machine (LSM)
Pour vraiment comprendre ce qu'est une machine à états liquides, il est important de comprendre le type de programme d'apprentissage automatique dans lequel elle s'inscrit. Ces types d'apprentissage automatique sont parfois appelés réseaux de neurones de «troisième génération», et de nombreux experts se réfèrent aux réseaux de neurones «dopants» pour illustrer leur fonctionnement. Le réseau neuronal à pointes, qui utilise bon nombre des mêmes modèles qu'une machine à états liquides, 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 neuronal. Il s'agit d'un type récurrent de réseau neuronal, de sorte que certains types de mémoire sont préservés tout au long du processus.
Un autre indice sur la nature d'une machine à état liquide est lié au nom de ce type particulier de réseau neuronal à pointes.
L'idée est que laisser tomber une pierre ou un autre élément solide dans une étendue 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 le fonctionnement d'une machine à état liquide pour mieux comprendre comment elle modélise l'activité cérébrale humaine. Cependant, il est important de noter que les machines à état liquide présentent des faiblesses ou des 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 état liquide, les circuits ne sont pas codés en dur pour effectuer des tâches spécifiques et qu'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.