論文の概要: Predicting Geographic Information with Neural Cellular Automata
- arxiv url: http://arxiv.org/abs/2009.09347v1
- Date: Sun, 20 Sep 2020 03:53:48 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-16 12:25:21.575171
- Title: Predicting Geographic Information with Neural Cellular Automata
- Title（参考訳）: 神経セルオートマトンによる地理情報予測
- Authors: Mingxiang Chen, Qichang Chen, Lei Gao, Yilin Chen, Zhecheng Wang
- Abstract要約: 本稿では,ニューラルセルオートマトン(NCA)を用いて地理情報を再生・予測する新しい枠組みを提案する。
モデルは、NAAを使用して、さまざまな地理的データでモデルをトレーニングすることで、特定の画像を生成/再生するという考え方を拡張している。
- 参考スコア（独自算出の注目度）: 7.605218364952221
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper presents a novel framework using neural cellular automata (NCA) to
regenerate and predict geographic information. The model extends the idea of
using NCA to generate/regenerate a specific image by training the model with
various geographic data, and thus, taking the traffic condition map as an
example, the model is able to predict traffic conditions by giving certain
induction information. Our research verified the analogy between NCA and gene
in biology, while the innovation of the model significantly widens the boundary
of possible applications based on NCAs. From our experimental results, the
model shows great potentials in its usability and versatility which are not
available in previous studies. The code for model implementation is available
at https://redacted.
- Abstract（参考訳）: 本稿では,ニューラルセルオートマトン(NCA)を用いて地理情報の再生と予測を行う。
モデルは、NAAを用いて、様々な地理的データを用いてモデルをトレーニングし、特定画像を生成・再生するという考え方を拡張し、交通条件マップを例として、特定の誘導情報を与えることで、交通状況を予測することができる。
本研究は, ncaと遺伝子との類似性を検証し, ncasに基づく応用可能性の境界を大きく広げた。
実験結果から,本モデルは従来の研究では利用できないユーザビリティと汎用性に大きな可能性を示している。
モデル実装のコードはhttps://redacted.com/で入手できる。
関連論文リスト
- Diffusion-Based Generation of Neural Activity from Disentangled Latent Codes [1.9544534628180867]
本稿では,条件付き生成モデリングの進歩を生かしたニューラルデータ解析手法を提案する。
我々は,高情報付きコードに基づくニューラル・オブザーバ生成と呼ばれるモデルを時系列ニューラル・データに適用する。
VAEベースのシーケンシャルオートエンコーダと比較して、GNOCCHIは、鍵となる振る舞い変数に関してより明確に構造化され、よりゆがみのある高品質な潜在空間を学習する。
論文 参考訳（メタデータ） (2024-07-30T21:07:09Z) - Functional Neural Networks: Shift invariant models for functional data
with applications to EEG classification [0.0]
我々は、データのスムーズさを保ちながら不変な新しいタイプのニューラルネットワークを導入する:関数型ニューラルネットワーク(FNN)
そこで我々は,多層パーセプトロンと畳み込みニューラルネットワークを機能データに拡張するために,機能データ分析(FDA)の手法を用いる。
脳波(EEG)データの分類にFNNをうまく利用し,FDAのベンチマークモデルより優れていることを示す。
論文 参考訳（メタデータ） (2023-01-14T09:41:21Z) - Classification of EEG Motor Imagery Using Deep Learning for
Brain-Computer Interface Systems [79.58173794910631]
トレーニングされたT1クラス畳み込みニューラルネットワーク(CNN)モデルを使用して、運動画像の識別を成功させる能力を調べる。
理論的には、モデルが正確にトレーニングされた場合、クラスを特定し、それに従ってラベル付けすることが可能になる。
CNNモデルは復元され、より小さなサンプルデータを使用して同じ種類の運動画像データを特定するために使用される。
論文 参考訳（メタデータ） (2022-05-31T17:09:46Z) - EINNs: Epidemiologically-Informed Neural Networks [75.34199997857341]
本稿では,疫病予測のための新しい物理インフォームドニューラルネットワークEINNを紹介する。
メカニスティックモデルによって提供される理論的柔軟性と、AIモデルによって提供されるデータ駆動表現性の両方を活用する方法について検討する。
論文 参考訳（メタデータ） (2022-02-21T18:59:03Z) - Sparse Flows: Pruning Continuous-depth Models [107.98191032466544]
生成モデルにおいて,プルーニングによりニューラルネットワークの一般化が向上することを示す。
また、プルーニングは、元のネットワークに比べて最大98%少ないパラメータで、精度を損なうことなく、最小かつ効率的なニューラルODE表現を見出すことを示した。
論文 参考訳（メタデータ） (2021-06-24T01:40:17Z) - The Neural Coding Framework for Learning Generative Models [91.0357317238509]
本稿では,脳の予測処理理論に触発された新しい神経生成モデルを提案する。
同様に、私たちの生成モデルにおける人工ニューロンは、隣接するニューロンが何をするかを予測し、予測が現実にどの程度一致するかに基づいてパラメータを調整します。
論文 参考訳（メタデータ） (2020-12-07T01:20:38Z) - A Bayesian Perspective on Training Speed and Model Selection [51.15664724311443]
モデルのトレーニング速度の測定値を用いて,その限界確率を推定できることを示す。
線形モデルと深部ニューラルネットワークの無限幅限界に対するモデル選択タスクの結果を検証する。
以上の結果から、勾配勾配勾配で訓練されたニューラルネットワークが、一般化する関数に偏りがある理由を説明するための、有望な新たな方向性が示唆された。
論文 参考訳（メタデータ） (2020-10-27T17:56:14Z) - Neural Cellular Automata Manifold [84.08170531451006]
ニューラルセルラーオートマタのニューラルネットワークアーキテクチャは、より大きなNNにカプセル化可能であることを示す。
これにより、NAAの多様体を符号化する新しいモデルを提案し、それぞれが異なる画像を生成することができる。
生物学的には、我々のアプローチは転写因子の役割を担い、細胞の分化を促進する特定のタンパク質への遺伝子マッピングを調節する。
論文 参考訳（メタデータ） (2020-06-22T11:41:57Z) - Learning of Discrete Graphical Models with Neural Networks [15.171938155576566]
グラフィカルモデル学習のためのニューラルネットベースのアルゴリズムNeurISEを紹介する。
NeurISEは、真のモデルのエネルギー関数が高次であるとき、GRISEのより良い代替品であると考えられている。
また、実モデルの全エネルギー関数に対するニューラルネット表現の学習に使用できるNeurISEの変種を示す。
論文 参考訳（メタデータ） (2020-06-21T23:34:01Z)
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。