Analysis and Fully Memristor-based Reservoir Computing for Temporal Data Classification

该研究介绍了一种新型的双存储器RC系统，它将基于WOx的快速存储器和基于TiOx的长期存储器相结合，能够实现16个不同状态的编码，并利用RC系统处理时间数据集。该系统在两项基准任务中验证了其性能：不完整输入的孤立口语数字识别和Mackey-Glass时间序列预测。该系统在数字识别中表现出惊人的98.84％的准确度，并在时间序列预测任务中保持了低的归一化均方根误差（NRMSE）为0.036，突显了其能力。该研究阐明了基于忆阻器的RC系统在处理复杂时间挑战方面的熟练程度，为神经形态计算的进一步创新奠定了基础。

本论文旨在解决如何在硬件部署中生成动态储层状态的问题，以及如何利用短期和长期记忆来提高RC系统的性能。

本论文提出了一种新的双存储RC系统，其中短期记忆使用WOx基忆阻器，能够实现16个不同状态的编码，长期记忆则使用TiOx基忆阻器。该系统在两个基准测试任务中表现出色。

实验结果表明，该系统在孤立口语数字识别和Mackey-Glass时间序列预测任务中均表现出色。本论文的亮点包括使用两种不同类型的忆阻器、提高RC系统性能的新方法以及在两个基准测试任务上的令人印象深刻的表现。

最近的相关研究包括：Memristor-based reservoir computing for spatiotemporal pattern recognition和Reservoir computing with biologically plausible memristive synapses等。