論文の概要: Adaptive Chemotaxis for improved Contour Tracking using Spiking Neural Networks

• arxiv url: http://arxiv.org/abs/2008.00317v1
• Date: Sat, 1 Aug 2020 18:49:48 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-04 00:47:50.721792
• Title: Adaptive Chemotaxis for improved Contour Tracking using Spiking Neural Networks
• Title（参考訳）: スパイキングニューラルネットワークを用いた輪郭追跡改善のための適応ケモタキシー
• Authors: Shashwat Shukla, Rohan Pathak, Vivek Saraswat and Udayan Ganguly
• Abstract要約: 線虫Caenorhabditis elegansのケモタキシーネットワークに触発された自律ナビゲーションのためのスパイキングニューラルネットワーク(SNN)を提案する。 本稿では,以前に提案した勾配クライミング回路上に構築した新しい適応クリノタキシー機構を提案する。 提案手法は,設定点に到達する時間を2.4倍にし,設定点からの平均偏差を8.7倍に減らした。
• 参考スコア（独自算出の注目度）: 0.1376408511310322
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper we present a Spiking Neural Network (SNN) for autonomous navigation, inspired by the chemotaxis network of the worm Caenorhabditis elegans. In particular, we focus on the problem of contour tracking, wherein the bot must reach and subsequently follow a desired concentration setpoint. Past schemes that used only klinokinesis can follow the contour efficiently but take excessive time to reach the setpoint. We address this shortcoming by proposing a novel adaptive klinotaxis mechanism that builds upon a previously proposed gradient climbing circuit. We demonstrate how our klinotaxis circuit can autonomously be configured to perform gradient ascent, gradient descent and subsequently be disabled to seamlessly integrate with the aforementioned klinokinesis circuit. We also incorporate speed regulation (orthokinesis) to further improve contour tracking performance. Thus for the first time, we present a model that successfully integrates klinokinesis, klinotaxis and orthokinesis. We demonstrate via contour tracking simulations that our proposed scheme achieves an 2.4x reduction in the time to reach the setpoint, along with a simultaneous 8.7x reduction in average deviation from the setpoint.
• Abstract（参考訳）: 本稿では,線虫Caenorhabditis elegansの走化ネットワークに触発された自律ナビゲーションのためのスパイキングニューラルネットワーク(SNN)を提案する。 特に、輪郭追跡の問題に焦点を当て、ロボットが到達し、次に所望の濃度設定点に従う必要がある。 klinokinesisのみを使用した過去のスキームは、効率的に輪郭に従うことができるが、セットポイントに到達するのに過度な時間がかかる。 我々は,従来提案していた勾配クライミング回路を基盤とした適応型クリノ軸機構を提案することで,この欠点に対処する。 我々は,我々のklinotaxis回路が,勾配上昇や勾配降下を行うように自律的に構成され,その後,前述のklinokinesis回路とシームレスに統合できないことを実証する。 また,速度制御(orthokinesis)を取り入れ,輪郭追跡性能をさらに向上させた。 そこで本研究では,klinokinesis,klinotaxis,ortokinesisを統合したモデルを提案する。 輪郭追跡シミュレーションにより,提案手法がセットポイントに到達するまでの時間の2.4倍削減と,セットポイントからの平均偏差の8.7倍削減を実現することを実証した。

関連論文リスト

• Spatio-Temporal Bi-directional Cross-frame Memory for Distractor Filtering Point Cloud Single Object Tracking [2.487142846438629]
  LIDARポイント内の1つのオブジェクトトラッキングは、コンピュータビジョンにおける重要なタスクである。 既存の手法は、ネットワーク経由の外観マッチングのみに依存するか、連続したフレームからの情報を利用するが、重大な課題に遭遇する。 我々は、これらの課題を緩和するために、STMD-Trackerという、革新的なクロスフレームバイテンポラルモーショントラッカーを設計する。
  論文  参考訳（メタデータ） (2024-03-23T13:15:44Z)
• Auto-Train-Once: Controller Network Guided Automatic Network Pruning from Scratch [72.26822499434446]
  オートトレインオース (Auto-Train-Once, ATO) は、DNNの計算コストと記憶コストを自動的に削減するために設計された、革新的なネットワークプルーニングアルゴリズムである。 総合的な収束解析と広範な実験を行い,本手法が様々なモデルアーキテクチャにおける最先端性能を実現することを示す。
  論文  参考訳（メタデータ） (2024-03-21T02:33:37Z)
• Automatic Optimisation of Normalised Neural Networks [1.0334138809056097]
  ニューラルネットワークの正規化パラメータに対する行列多様体の幾何を考慮した自動最適化手法を提案する。 我々の手法はまずネットワークを初期化し、初期化ネットワークの$ell2$-$ell2$ゲインに関してデータを正規化する。
  論文  参考訳（メタデータ） (2023-12-17T10:13:42Z)
• Speed Limits for Deep Learning [67.69149326107103]
  熱力学の最近の進歩は、初期重量分布から完全に訓練されたネットワークの最終分布への移動速度の制限を可能にする。 線形および線形化可能なニューラルネットワークに対して,これらの速度制限に対する解析式を提供する。 NTKスペクトルとラベルのスペクトル分解に関するいくつかの妥当なスケーリング仮定を考えると、学習はスケーリングの意味で最適である。
  論文  参考訳（メタデータ） (2023-07-27T06:59:46Z)
• Globally Optimal Training of Neural Networks with Threshold Activation Functions [63.03759813952481]
  しきい値アクティベートを伴うディープニューラルネットワークの重み劣化正規化学習問題について検討した。 ネットワークの特定の層でデータセットを破砕できる場合に、簡易な凸最適化の定式化を導出する。
  論文  参考訳（メタデータ） (2023-03-06T18:59:13Z)
• Error-Correcting Neural Networks for Semi-Lagrangian Advection in the Level-Set Method [0.0]
  本稿では,画像超解像技術とスカラートランスポートを融合した機械学習フレームワークを提案する。 我々は,インターフェースの粗いメッシュ進化における数値粘度を最小化するために,オンザフライデータ駆動補正を計算できるかどうかを検討する。
  論文  参考訳（メタデータ） (2021-10-22T06:36:15Z)
• Algorithm For 3D-Chemotaxis Using Spiking Neural Network [0.0]
  ケモタキシーにインスパイアされた3次元メディアにおいて,輪郭追跡のための終端スパイク実装を考案することを目指している。 我々は、クリオキネシスに基づくアルゴリズムを考案し、そこでは、ワームの動きは刺激に反応するが、それに比例しない。
  論文  参考訳（メタデータ） (2021-06-30T17:11:00Z)
• Cycloidal Trajectory Realization on Staircase based on Neural Network Temporal Quantized Lagrange Dynamics (NNTQLD) with Ant Colony Optimization for a 9-Link Bipedal Robot [1.7205106391379026]
  本稿では,エネルギー最適化を伴う関節角度軌跡追尾制御のための新しい最適手法を提案する。 9リンク二足歩行モデルによる階段登上作業では, 階段寸法に依存するように, 揺動位相のシクロイド軌道が提案される。
  論文  参考訳（メタデータ） (2020-12-02T05:50:42Z)
• Self-Tuning Stochastic Optimization with Curvature-Aware Gradient Filtering [53.523517926927894]
  サンプルごとのHessian-vector積と勾配を用いて、自己チューニングの二次構造を構築する。 モデルに基づく手続きが雑音勾配設定に収束することを証明する。 これは自己チューニング二次体を構築するための興味深いステップである。
  論文  参考訳（メタデータ） (2020-11-09T22:07:30Z)
• Pushing the Envelope of Rotation Averaging for Visual SLAM [69.7375052440794]
  視覚SLAMシステムのための新しい最適化バックボーンを提案する。 従来の単分子SLAMシステムの精度, 効率, 堅牢性を向上させるために, 平均化を活用している。 我々のアプローチは、公開ベンチマークの最先端技術に対して、同等の精度で最大10倍高速に表示することができる。
  論文  参考訳（メタデータ） (2020-11-02T18:02:26Z)
• Learning to Optimize Non-Rigid Tracking [54.94145312763044]
  我々は、堅牢性を改善し、解法収束を高速化するために学習可能な最適化を採用する。 まず、CNNを通じてエンドツーエンドに学習された深い特徴にアライメントデータ項を統合することにより、追跡対象をアップグレードする。 次に,プレコンディショニング手法と学習手法のギャップを,プレコンディショナを生成するためにトレーニングされたConditionNetを導入することで埋める。
  論文  参考訳（メタデータ） (2020-03-27T04:40:57Z)

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。

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。