Fugu-MT 論文翻訳(概要): Fragmentation; a Tool for Finding Information, Encryption and Data Flow in Systems

論文の概要: Fragmentation; a Tool for Finding Information, Encryption and Data Flow in Systems

arxiv url: http://arxiv.org/abs/2105.13585v1
Date: Fri, 28 May 2021 04:49:14 GMT
ステータス: 処理完了
システム内更新日: 2021-05-31 20:30:36.696396
Title: Fragmentation; a Tool for Finding Information, Encryption and Data Flow in Systems
Title（参考訳）: フラグメンテーション:システムにおける情報・暗号化・データフローの探索ツール
Authors: Douglas Kirkpatrick, Victoria Cao, Clifford Bohm
Abstract要約: 我々は、新しい情報理論尺度、断片化(F)を導入する。 Fは、システムの断片化された予測情報がどのように存在するかを決定するのに使うことができる。ニューラルネットワークで複雑な処理が発生するかを調べるために、どのように使用できるかを示す。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We introduce a new information-theoretic measure, fragmentation (F) which can be used to determine how fragmented predictive information is in a system. The concept can be extended to generate fragmentation matrices that can illustrate information flows through digital brains, in the form of directed graphs. Fragmentation and fragmentation matrices can provide new insights into digital brains structure and function, in other words, how causal digital networks "think" and process information. In addition to describing F we demonstrate how it can be used to examine how complex processing arises in neural networks, including differences in lifetime processing and incidents of incidental encryption.
Abstract（参考訳）: 本稿では,システム内の断片化予測情報を決定するための新しい情報理論尺度であるフラグメンテーション(f)を提案する。この概念は、デジタル脳を通る情報の流れを有向グラフの形で表現できるフラグメンテーション行列を生成するために拡張することができる。フラグメンテーションとフラグメンテーション行列は、デジタル脳の構造と機能、つまり因果的デジタルネットワークがどのように情報を「考え」、処理するかに関する新たな洞察を与えることができる。 fを記述することに加えて、寿命の処理や付随暗号のインシデントなど、ニューラルネットワークにおける複雑な処理がどのように発生するのかを検証できる。

関連論文リスト

A Deep Network for Explainable Prediction of Non-Imaging Phenotypes using Anatomical Multi-View Data [9.256592555127806]
我々は,脳の解剖学的構造を複数の特徴セットで記述した解剖学的多視点データについて検討した。本稿では,異なる解剖学的ビューを用いて予測性能を向上させるための説明可能なマルチビューネットワーク(EMV-Net)を提案する。
論文参考訳（メタデータ） (2024-01-09T14:33:01Z)
Learning Multimodal Volumetric Features for Large-Scale Neuron Tracing [72.45257414889478]
オーバーセグメントニューロン間の接続を予測し,人間の作業量を削減することを目的としている。最初はFlyTracingという名前のデータセットを構築しました。本稿では,高密度なボリュームEM画像の埋め込みを生成するための,新しい接続性を考慮したコントラスト学習手法を提案する。
論文参考訳（メタデータ） (2024-01-05T19:45:12Z)
Assessing Neural Network Representations During Training Using Noise-Resilient Diffusion Spectral Entropy [55.014926694758195]
ニューラルネットワークにおけるエントロピーと相互情報は、学習プロセスに関する豊富な情報を提供する。データ幾何を利用して基礎となる多様体にアクセスし、これらの情報理論測度を確実に計算する。本研究は,高次元シミュレーションデータにおける固有次元と関係強度の耐雑音性の測定結果である。
論文参考訳（メタデータ） (2023-12-04T01:32:42Z)
Understanding Forward Process of Convolutional Neural Network [0.0]
本稿では,CNNの前方処理における選択的回転について述べる。これは、入力データの回転面を統一し定量化する識別機構として活性化関数を解明する。
論文参考訳（メタデータ） (2023-07-27T00:37:18Z)
Unsupervised Learning of Invariance Transformations [105.54048699217668]
近似グラフ自己同型を見つけるためのアルゴリズムフレームワークを開発する。重み付きグラフにおける近似自己同型を見つけるために、このフレームワークをどのように利用できるかについて議論する。
論文参考訳（メタデータ） (2023-07-24T17:03:28Z)
The Predictive Forward-Forward Algorithm [79.07468367923619]
本稿では,ニューラルネットワークにおける信頼割当を行うための予測フォワード(PFF)アルゴリズムを提案する。我々は,有向生成回路と表現回路を同時に同時に学習する,新しい動的リカレントニューラルネットワークを設計する。 PFFは効率よく学習し、学習信号を伝達し、フォワードパスのみでシナプスを更新する。
論文参考訳（メタデータ） (2023-01-04T05:34:48Z)
Convolutional Neural Networks: Basic Concepts and Applications in Manufacturing [0.0]
本稿では、畳み込みニューラルネットワーク(CNN)の基本概念と製造における用途の概要について論じる。まず、製造で一般的に遭遇するさまざまなタイプのデータオブジェクトが、テンソルやグラフを使って柔軟な方法でどのように表現できるかについて議論する。次に、CNNが畳み込み操作を用いて情報的特徴を抽出し、創発的特性や現象を予測し、異常を識別する方法について論じる。
論文参考訳（メタデータ） (2022-10-14T14:18:51Z)
Synergistic information supports modality integration and flexible learning in neural networks solving multiple tasks [107.8565143456161]
本稿では,様々な認知タスクを行う単純な人工ニューラルネットワークが採用する情報処理戦略について検討する。結果は、ニューラルネットワークが複数の多様なタスクを学習するにつれて、シナジーが増加することを示している。トレーニング中に無作為にニューロンを停止させると、ネットワークの冗長性が増加し、ロバスト性の増加に対応する。
論文参考訳（メタデータ） (2022-10-06T15:36:27Z)
CD-Net: Histopathology Representation Learning using Pyramidal Context-Detail Network [2.2735407169831077]
CD-Netは提案されたコンテキストと詳細モジュールの協調トレーニングを通じてWSIピラミッド構造を利用する。肺腺癌と扁平上皮癌との鑑別においてCD-Netの有効性が示された。
論文参考訳（メタデータ） (2022-03-28T20:33:39Z)
Understanding the Role of Individual Units in a Deep Neural Network [85.23117441162772]
本稿では,画像分類と画像生成ネットワーク内の隠れ単位を系統的に同定する分析フレームワークを提案する。まず、シーン分類に基づいて訓練された畳み込みニューラルネットワーク(CNN)を分析し、多様なオブジェクト概念にマッチするユニットを発見する。第2に、シーンを生成するために訓練されたGANモデルについて、同様の分析手法を用いて分析する。
論文参考訳（メタデータ） (2020-09-10T17:59:10Z)
Teaching Recurrent Neural Networks to Modify Chaotic Memories by Example [14.91507266777207]
繰り返しニューラルネットワークは,実例のみを用いて複雑な情報の表現を変更できることが示される。我々は,これらの計算を学習するためのメカニズムを提供し,一つのネットワークが同時に複数の計算を学習できることを実証する。
論文参考訳（メタデータ） (2020-05-03T20:51:46Z)

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。