論文の概要: Organization of a Latent Space structure in VAE/GAN trained by navigation data

• arxiv url: http://arxiv.org/abs/2102.01852v1
• Date: Wed, 3 Feb 2021 03:13:26 GMT
• ステータス: 処理完了
• システム内更新日: 2021-02-04 17:02:08.523568
• Title: Organization of a Latent Space structure in VAE/GAN trained by navigation data
• Title（参考訳）: 航法データを用いたBAE/GANにおける潜時空間構造の組織化
• Authors: Hiroki Kojima and Takashi Ikegami
• Abstract要約: 生成深部ニューラルネットワーク(VAE/GAN)を用いた新しい人工知能マッピングシステムを提案する。 予測画像の距離はトレーニング後の対応する潜伏ベクトルの距離に反映されることを示す。 本研究は,海馬のリプレイ・プレプレイに類似した時間的シーケンスを内部的に生成することを可能にする。
• 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: We present a novel artificial cognitive mapping system using generative deep neural networks (VAE/GAN), which can map input images to latent vectors and generate temporal sequences internally. The results show that the distance of the predicted image is reflected in the distance of the corresponding latent vector after training. This indicates that the latent space is constructed to reflect the proximity structure of the data set, and may provide a mechanism by which many aspects of cognition are spatially represented. The present study allows the network to internally generate temporal sequences analogous to hippocampal replay/pre-play, where VAE produces only near-accurate replays of past experiences, but by introducing GANs, latent vectors of temporally close images are closely aligned and sequence acquired some instability. This may be the origin of the generation of the new sequences found in the hippocampus.
• Abstract（参考訳）: 本稿では,入力画像を潜在ベクトルにマッピングし,内部で時間系列を生成する,生成型深層ニューラルネットワーク(vae/gan)を用いた新しい人工認知マッピングシステムを提案する。 その結果、予測画像の距離はトレーニング後の対応する潜伏ベクトルの距離に反映されることがわかった。 これは、潜在空間がデータセットの近接構造を反映して構築されていることを示し、認知の多くの側面が空間的に表現されるメカニズムを提供する。 本研究は,海馬のリプレイ/プレプレイに類似した時間的シーケンスを内部的に生成し,vaeは過去の経験のほぼ正確なリプレイのみを生成するが,ganを導入することにより,時間的近接画像の潜在ベクトルが密結合し,いくつかの不安定性を得た。 これは、海馬に見られる新しい配列の生成の起源である可能性があります。

関連論文リスト

• Exploring Geometric Deep Learning For Precipitation Nowcasting [28.44612565923532]
  そこで我々は,降水量予測のための幾何学的深層学習に基づく時間的グラフ畳み込みネットワーク(GCN)を提案する。 格子セル間の相互作用をシミュレートする隣接行列は、予測と接地真理画素値とのL1損失を最小化することにより、自動的に学習される。 トレント/アイタリー地域におけるレーダ反射率マップの配列について実験を行った。
  論文  参考訳（メタデータ） (2023-09-11T21:14:55Z)
• Pose-Graph Attentional Graph Neural Network for Lidar Place Recognition [16.391871270609055]
  本稿では,P-GATと呼ばれるポーズグラフ注目グラフニューラルネットワークを提案する。 位置認識タスクのシーケンシャルと非シーケンシャルなサブグラフのキーノードを比較する。 P-GATは、近隣の雲記述子間の最大空間情報と時間情報を使用する。
  論文  参考訳（メタデータ） (2023-08-31T23:17:44Z)
• Uncovering the Missing Pattern: Unified Framework Towards Trajectory Imputation and Prediction [60.60223171143206]
  軌道予測は、観測されたシーケンスから実体運動や人間の行動を理解する上で重要な作業である。 現在の方法では、観測されたシーケンスが完了したと仮定し、欠落した値の可能性を無視する。 本稿では,グラフに基づく条件変動リカレントニューラルネットワーク (GC-VRNN) の統一フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-03-28T14:27:27Z)
• Probing neural representations of scene perception in a hippocampally dependent task using artificial neural networks [1.0312968200748116]
  バックプロパゲーションによって訓練されたディープ人工ニューラルネットワーク(DNN)は、哺乳類の視覚システムの効果的なモデルを提供する。 本稿では,海馬依存型課題に触発されたシーン認識ベンチマークについて述べる。 側頭葉構造と海馬の接続性に着想を得たネットワークアーキテクチャを用いて,三重項損失を用いて訓練したDNNが,この課題を学習できることを実証した。
  論文  参考訳（メタデータ） (2023-03-11T10:26:25Z)
• iSDF: Real-Time Neural Signed Distance Fields for Robot Perception [64.80458128766254]
  iSDFは実時間符号付き距離場再構成のための連続学習システムである。 より正確な再構築と、衝突コストと勾配のより良い近似を生成する。
  論文  参考訳（メタデータ） (2022-04-05T15:48:39Z)
• Revealing Disocclusions in Temporal View Synthesis through Infilling Vector Prediction [6.51882364384472]
  合成ビューにおいて非排除領域を指差して, 埋め込みベクトルのアイデアを考察する。 カメラの動きによって生じる非閉塞性の構造を生かし, 2つの重要な手がかり, 浸透方向と深さの時間的相関に頼っている。
  論文  参考訳（メタデータ） (2021-10-17T12:11:34Z)
• Continual Neural Mapping: Learning An Implicit Scene Representation from Sequential Observations [24.354073167898555]
  逐次的な観察から暗黙的なシーン表現の連続的な学習に向けてさらに一歩進める。 一つのネットワークが、破滅的な忘れをせずに、時間とともに連続的にシーンの幾何学を表現できることを初めて示す。
  論文  参考訳（メタデータ） (2021-08-12T16:57:29Z)
• Continuity-Discrimination Convolutional Neural Network for Visual Object Tracking [150.51667609413312]
  本稿では,視覚オブジェクト追跡のためのContinuity-Discrimination Convolutional Neural Network (CD-CNN) という新しいモデルを提案する。 この問題に対処するため、cd-cnnは時間的遅れの概念に基づいた時間的外観連続性をモデル化する。 不正確なターゲットの定位とドリフトを緩和するために,新しい概念 object-centroid を提案する。
  論文  参考訳（メタデータ） (2021-04-18T06:35:03Z)
• PredRNN: A Recurrent Neural Network for Spatiotemporal Predictive Learning [109.84770951839289]
  歴史的文脈からビジュアルダイナミクスを学習するための新しいリカレントネットワークであるPredRNNを紹介する。 本手法は,3つの標準データセット上で高い競争結果が得られることを示す。
  論文  参考訳（メタデータ） (2021-03-17T08:28:30Z)
• A Prospective Study on Sequence-Driven Temporal Sampling and Ego-Motion Compensation for Action Recognition in the EPIC-Kitchens Dataset [68.8204255655161]
  行動認識はコンピュータビジョンにおける最上位の研究分野の一つである。 エゴモーション記録シーケンスは重要な関連性を持つようになった。 提案手法は,このエゴモーションやカメラの動きを推定して対処することを目的としている。
  論文  参考訳（メタデータ） (2020-08-26T14:44:45Z)
• Supporting Optimal Phase Space Reconstructions Using Neural Network Architecture for Time Series Modeling [68.8204255655161]
  位相空間特性を暗黙的に学習する機構を持つ人工ニューラルネットワークを提案する。 私たちのアプローチは、ほとんどの最先端戦略と同じくらいの競争力があるか、あるいは優れているかのどちらかです。
  論文  参考訳（メタデータ） (2020-06-19T21:04:47Z)

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。