Reservoir Computing — framework, в котором input signals проецируются в фиксированную динамическую систему, называемую reservoir, а обычно обучается только более простой readout component. Он часто используется для временных или последовательных данных, потому что dynamics резервуара преобразует inputs в более богатые representations.
A framework for computation that may be viewed as an extension of neural networks. Typically an input signal is fed into a fixed (random) dynamical system called a reservoir and the dynamics of the reservoir map the input to a higher dimension. Then a simple readout mechanism is trained to read the state of the reservoir and map it to the desired output. The main benefit is that training is performed only at the readout stage and the reservoir is fixed. Liquid-state machines and echo state networks are two major types of reservoir computing.