Fugu-MT 論文翻訳(概要): Energy Constraints Improve Liquid State Machine Performance

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

Revisiting DNN Training for Intermittently Powered Energy Harvesting Micro Computers [0.6721767679705013]
本研究では,エネルギー制約環境下でのディープニューラルネットワークに適した新しいトレーニング手法を紹介し,評価する。本稿では,デバイスアーキテクチャとエネルギー可用性の変動性の両方に適応する動的ドロップアウト手法を提案する。予備的な結果は、この戦略が5%未満の計算量を持つ最先端技術と比較して6～22%の精度向上をもたらすことを示している。
論文参考訳（メタデータ） (2024-08-25T01:13:00Z)
Modelling the 5G Energy Consumption using Real-world Data: Energy Fingerprint is All You Need [21.483076846188837]
本稿では、ITU 5G基地エネルギー消費モデルチャレンジで使用される実世界のデータセットから学習し、新しい5G基地エネルギー消費モデルを提案する。提案手法は既存のモデルよりも大幅に改善され,平均絶対パーセンテージエラー(MAPE)が12.75%から4.98%に削減され,60%以上の性能向上が達成された。
論文参考訳（メタデータ） (2024-06-13T06:02:15Z)
Evaluating extractable work of quantum batteries via entropic uncertainty relations [4.138060581023728]
その結果, 抽出可能な作業(エクセルギーとエルゴトロピー)は, 異なるシナリオにおいて多彩な特性を有することがわかった。これらの知見は、量子電池の性能を評価する上での量子不確実性の役割をよりよく理解するために有用であると考えられている。
論文参考訳（メタデータ） (2024-05-12T06:58:58Z)
Current and efficiency of bosonic systems interacting with two thermal reservoirs [0.10713888959520207]
本稿では,異なる温度で2つの貯水池と相互作用する中心系からなるボソニック系の電流と効率のダイナミクスについて検討する。システム内のボソンの流れを表す電流を定量化し、その熱貯水池のパラメータと温度に依存することを解析する。解析の結果,温度依存性や量子補正係数などの量子効果がエネルギー伝達効率に大きな影響を及ぼすことが示された。
論文参考訳（メタデータ） (2024-03-18T09:48:25Z)
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)
Assessment of weak-coupling approximations on a driven two-level system under dissipation [58.720142291102135]
我々は, 減散を伴うリウヴィル・ヴォン方程式(Liouville-von equation)と呼ばれる数値的正確かつ非摂動的手法を用いて, 駆動量子ビットについて検討した。我々は、駆動された量子ビットの定常状態を予測する上で、リンドブラッド方程式の妥当性の規則をマップするために実験で用いられる計量を提案する。
論文参考訳（メタデータ） (2020-11-11T22:45:57Z)

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。