储备池系统的制作方法

本公开涉及一种储备池系统。

背景技术：

1、神经形态器件是使用神经网络模拟人类大脑的元件。神经形态器件人工地模拟人类大脑中的神经元与突触的关系。

2、神经形态器件例如具有分层配置的节点（大脑中的神经元）和将它们之间连接的传递单元（大脑中的突触）。神经形态器件通过传递单元（突触）进行学习，从而提高问题的正确回答率。学习是从信息中找出将来可能使用的知识，在神经形态器件中对输入的数据进行加权。

3、作为神经网络的一种，已知循环神经网络。循环神经网络能够处理非线性的时序的数据。非线性的时序的数据是其值随着时间的经过而变化的数据，股票价格等就是它的一个例子。循环神经网络通过将后层的神经元中的处理结果返回给前层的神经元，能够进行包含过去的信息的数据处理。

4、储备计算是实现循环神经网络的一种手段。储备计算基于内部耦合，使信号相互作用，由此进行递归处理。例如，在专利文献1中公开了包含储备池的信息处理装置。

5、现有技术文献

6、专利文献

7、专利文献1：国际公开第2022/024167号

技术实现思路

1、（一）要解决的技术问题

2、包含储备计算的神经网络在输入信号的输入完成后，基于已输入的输入信号预测推定解。然而，若等待信号的输入完成，则推定解的预测需要耗费时间。这种时滞会阻碍及时的预测。虽然通过使用先进的计算机来加快运算处理能够缩短时滞，但是使用先进的计算机的系统欠缺通用性。

3、本公开是鉴于上述情况而完成的，提供一种能够进行及时的预测的储备池系统。

4、（二）技术方案

5、第一方式的储备池系统具有多个传感器和储备池。所述多个传感器的每一个构成为，感测时序信号，并向所述储备池发送基于所述时序信号的时序的传感器信号。所述储备池对来自所述多个传感器的每一个的传感器信号进行非线性变换。所述储备池构成为，能够在时序的所述传感器信号向所述储备池的输入完成之前，将输出信号作为未来的预测数据输出。

6、（三）有益效果

7、上述方式涉及的储备池系统能够进行及时的预测。

1.一种储备池系统，

2.根据权利要求1所述的储备池系统，其特征在于，

3.根据权利要求1所述的储备池系统，其特征在于，

4.根据权利要求1所述的储备池系统，其特征在于，

5.根据权利要求1所述的储备池系统，其特征在于，

6.根据权利要求1所述的储备池系统，其特征在于，

7.根据权利要求1所述的储备池系统，其特征在于，

8.根据权利要求1所述的储备池系统，其特征在于，

9.根据权利要求1所述的储备池系统，其特征在于，

10.根据权利要求1所述的储备池系统，其特征在于，

11.根据权利要求1所述的储备池系统，其特征在于，

12.根据权利要求1所述的储备池系统，其特征在于，

13.根据权利要求1所述的储备池系统，其特征在于，

14.根据权利要求1所述的储备池系统，其特征在于，

15.根据权利要求1所述的储备池系统，其特征在于，