論文の概要: Energy Constraints Improve Liquid State Machine Performance
- arxiv url: http://arxiv.org/abs/2006.04716v1
- Date: Mon, 8 Jun 2020 16:13:16 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-24 00:14:55.451083
- Title: Energy Constraints Improve Liquid State Machine Performance
- Title(参考訳): エネルギー制約による液体機械の性能向上
- Authors: Andrew Fountain and Cory Merkel
- Abstract要約: デジタル液体状態装置を用いた発作検出作業では4.25%の改善が見られた。
精度の改善は、貯水池の力学に対するエネルギー制約の影響と関連しているようである。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: A model of metabolic energy constraints is applied to a liquid state machine
in order to analyze its effects on network performance. It was found that, in
certain combinations of energy constraints, a significant increase in testing
accuracy emerged; an improvement of 4.25% was observed on a seizure detection
task using a digital liquid state machine while reducing overall reservoir
spiking activity by 6.9%. The accuracy improvements appear to be linked to the
energy constraints' impact on the reservoir's dynamics, as measured through
metrics such as the Lyapunov exponent and the separation of the reservoir.
- Abstract(参考訳): 代謝エネルギー制約のモデルは、そのネットワーク性能への影響を分析するために液体状態機械に適用される。
その結果,一定のエネルギー制約の組み合わせで試験精度が著しく向上し,デジタル液体状態装置を用いた発作検出作業では4.25%の改善がみられ,全体の貯水池スパイク活性は6.9%減少した。
精度の改善は、リャプノフ指数や貯水池の分離といった指標によって測定されるように、貯水池の力学に対するエネルギー制約の影響と関連しているようである。
関連論文リスト
- Thermodynamically reversible quantum measurements and related work costs [0.0]
量子計測の実現に必要なエネルギー資源を解析する。
一般的な熱力学の議論を通して、最小限の必要な作業は測定対象のシステムのエネルギー変動に依存することを示す。
有限時間熱力学過程に固有のエントロピー生成の増大に伴う作業コストの増加について述べる。
論文 参考訳(メタデータ) (2024-02-25T09:31:48Z) - A real-time material breakage detection for offshore wind turbines based
on improved neural network algorithm [0.0]
本研究は、YOLOv8オブジェクト検出モデルの高度なバージョンを活用する新しいアプローチを提案する。
我々は,Semangeum洋上風力発電所の5,432枚の画像と,公開されているデータセットを用いている。
この結果, 欠陥検出安定性が著しく向上し, タービンの効率向上に向けた重要な歩みが示された。
論文 参考訳(メタデータ) (2023-07-25T18:50:05Z) - Efficient Quantum Work Reservoirs at the Nanoscale [49.1574468325115]
単発型作業貯水池の可逆性について検討し,多段式作業貯水池に使用する2段式作業貯水池を一般化した。
マルチレベル作業貯水池がランダウアーの境界を達成し、エントロピーをゼロにすることを示す。
論文 参考訳(メタデータ) (2023-05-28T21:52:33Z) - Sustainable Edge Intelligence Through Energy-Aware Early Exiting [0.726437825413781]
EHエッジインテリジェンスシステムにおいて,エネルギー適応型動的早期退避を提案する。
提案手法は, サンプルごとの最適計算量を決定する, エネルギー対応のEEポリシーを導出する。
その結果, エネルギーに依存しない政策と比較して, 精度は25%, サービスレートは35%向上した。
論文 参考訳(メタデータ) (2023-05-23T14:17:44Z) - Uncertainty-Aware Vehicle Energy Efficiency Prediction using an Ensemble
of Neural Networks [2.147325264113341]
交通部門は温室効果ガス排出量の約25%を占めている。
エネルギー効率に影響を与える要因は、車両の種類、環境、運転者行動、気象条件である。
本研究では,予測不確実性を低減し,その不確実性を評価するために,深層ニューラルネットワーク(ENN)に基づくアンサンブル学習手法を提案する。
論文 参考訳(メタデータ) (2023-04-14T11:51:26Z) - Towards Accurate Post-Training Quantization for Vision Transformer [48.779346466374406]
既存のトレーニング後の量子化手法は依然として深刻な性能低下を引き起こしている。
APQ-ViTは、既存のトレーニング後の量子化手法を証明マージンによって超越している。
論文 参考訳(メタデータ) (2023-03-25T03:05:26Z) - Quantized Neural Networks for Low-Precision Accumulation with Guaranteed
Overflow Avoidance [68.8204255655161]
本稿では,推定時のアキュムレータの精度を下げる際に,数値オーバーフローを回避する量子化学習アルゴリズムを提案する。
本手法は,浮動小数点点ベースラインに対するモデル精度を維持しつつ,アキュムレータの精度を低減できることを示す。
論文 参考訳(メタデータ) (2023-01-31T02:46:57Z) - NoisyQuant: Noisy Bias-Enhanced Post-Training Activation Quantization
for Vision Transformers [53.85087932591237]
NoisyQuantは、視覚変換器のトレーニング後のアクティベーション量子化性能に対する量子化器に依存しない拡張である。
理論的な洞察に基づいて、NoisyQuantは重い尾の活性化分布を積極的に変化させる最初の成功を達成している。
NoisyQuantは、最小の計算オーバーヘッドで視覚変換器のトレーニング後の量子化性能を大幅に改善する。
論文 参考訳(メタデータ) (2022-11-29T10:02:09Z) - Attention Mechanism with Energy-Friendly Operations [61.58748425876866]
我々はエネルギー消費の観点から注意機構を再考する。
我々は、乗算を選択的操作または加算に置き換えることで、新しい注意モデルを構築する。
3つの機械翻訳タスクにおける実験結果から,提案手法が再現可能な精度を実現することを示す。
論文 参考訳(メタデータ) (2022-04-28T08:50:09Z) - Collective effects on the performance and stability of quantum heat
engines [62.997667081978825]
小型熱機関の動作における量子力学的拡張の最近の予測は、新たな関心を集めている。
1つの重要な問題は、集団効果が大規模に拡張するのに役立つかどうかである。
エンジンを構成するスピンの数とともに, パワー, 効率, 一貫性のスケールについて検討する。
論文 参考訳(メタデータ) (2021-06-25T18:00:07Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。