본 논문은 혼돈 시계열 예측을 위한 새로운 리저버 컴퓨팅(RC) 프레임워크를 제시한다. 이 프레임워크는 시간 지연 임베딩과 Random Fourier Feature (RFF) 매핑을 통합하여 기존의 순환 구조 없이 동적 리저버를 구축한다. RFF-RC는 고차원 순환 연결에 의존하는 기존 RC와 달리, 재구성된 위상 공간에서 잠재적인 동적 관계를 파악하기 위해 비선형 커널 변환을 명시적으로 근사한다. 이는 복잡한 비선형 상호 작용을 근사화하여 리저버의 효과적인 동적 표현을 풍부하게 하고, 스펙트럼 반경 및 누설률과 같은 수동 리저버 하이퍼파라미터에 대한 의존도를 줄이는 두 가지 주요 이점을 제공한다. Mackey-Glass 방정식, Lorenz 시스템, Kuramoto-Sivashinsky 방정식을 포함한 대표적인 혼돈 시스템에서 이 프레임워크를 평가하여 예측 정확도, 어트랙터 재구성 및 장기 예측에서 우수한 성능을 입증했다.
