論文の概要: Abstract Geometrical Computation 11: Slanted Firing Squad Synchronisation on Signal Machines

• arxiv url: http://arxiv.org/abs/2106.11176v1
• Date: Mon, 21 Jun 2021 15:15:01 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-22 15:18:21.728563
• Title: Abstract Geometrical Computation 11: Slanted Firing Squad Synchronisation on Signal Machines
• Title（参考訳）: 抽象幾何計算11:信号機における傾斜射撃部隊同期
• Authors: J\'er\^ome Durand-Lose and Aur\'elien Emmanuel
• Abstract要約: セルオートマタ上のスクワッドシンクロナイゼーションのフィリング(Firing Squad Synchronization)は、その範囲について事前の知識を持たない有限個のセルの動的シンクロナイゼーションである。 提案された構成の多くは自然に信号機の連続的な設定に翻訳される。 本稿では,信号機械モデルにおける計算可能蓄積ラインのさらなる研究のための基本的なツールを提供する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Firing Squad Synchronisation on Cellular Automata is the dynamical synchronisation of finitely many cells without any prior knowledge of their range. This can be conceived as a signal with an infinite speed. Most of the proposed constructions naturally translate to the continuous setting of signal machines and generate fractal figures with an accumulation on a horizontal line, i.e. synchronously, in the space-time diagram. Signal machines are studied in a series of articles named Abstract Geometrical Computation. In the present article, we design a signal machine that is able to synchronise/accumulate on any non-infinite slope. The slope is encoded in the initial configuration. This is done by constructing an infinite tree such that each node computes the way the tree expands. The interest of Abstract Geometrical computation is to do away with the constraint of discrete space, while tackling new difficulties from continuous space. The interest of this paper in particular is to provide basic tools for further study of computable accumulation lines in the signal machine model.
• Abstract（参考訳）: セルオートマトン上での発射部隊同期は、その範囲を事前に知ることなく、有限個のセルの動的同期である。 これは無限の速度を持つ信号と見なすことができる。 提案された構成の多くは信号機の連続的な設定に自然に変換され、水平線上に蓄積したフラクタルフィギュアを生成する。 同期的に、時空図で。 信号機は抽象幾何学計算と呼ばれる一連の論文で研究されている。 本稿では,任意の非無限斜面上で同期・蓄積可能な信号機を設計する。 斜面は初期配置で符号化される。 これは、各ノードがツリーの展開の仕方を計算するような無限木を構築することによって行われる。 抽象幾何学計算の関心は、連続空間からの新たな困難に対処しながら、離散空間の制約を取り除くことである。 特に本論文は,信号機械モデルにおける計算可能集積線のさらなる研究のための基本的なツールを提供することを目的とする。

関連論文リスト

• Tree Attention: Topology-aware Decoding for Long-Context Attention on GPU clusters [10.403248386029407]
  自己アテンションは、シーケンス長の複雑さのため、重要な計算ボトルネックである。 本研究では、勾配が自己アテンションブロックを計算するスカラーエネルギー関数を導出する。 我々の定式化により,木伐採により,配列軸を横断する還元を効率的に並列に計算できることが判明した。
  論文  参考訳（メタデータ） (2024-08-07T21:16:55Z)
• Simulation of Graph Algorithms with Looped Transformers [6.0465914748433915]
  理論的観点から, グラフ上のアルゴリズムをシミュレートするトランスフォーマーネットワークの能力について検討する。 このアーキテクチャは、Dijkstraの最も短い経路のような個々のアルゴリズムをシミュレートできることを示す。 付加的なアテンションヘッドを利用する場合のチューリング完全度を一定幅で示す。
  論文  参考訳（メタデータ） (2024-02-02T02:48:03Z)
• Information-Theoretic Thresholds for Planted Dense Cycles [52.076657911275525]
  本研究では,社会科学や生物科学においてユビキタスな小世界ネットワークのランダムグラフモデルについて検討する。 植え込み高密度サイクルの検出と回復の両面において、情報理論の閾値を$n$, $tau$、エッジワイド信号対雑音比$lambda$で特徴づける。
  論文  参考訳（メタデータ） (2024-02-01T03:39:01Z)
• Improving embedding of graphs with missing data by soft manifolds [51.425411400683565]
  グラフ埋め込みの信頼性は、連続空間の幾何がグラフ構造とどの程度一致しているかに依存する。 我々は、この問題を解決することができる、ソフト多様体と呼ばれる新しい多様体のクラスを導入する。 グラフ埋め込みにソフト多様体を用いることで、複雑なデータセット上のデータ解析における任意のタスクを追求するための連続空間を提供できる。
  論文  参考訳（メタデータ） (2023-11-29T12:48:33Z)
• Recovering the Graph Underlying Networked Dynamical Systems under Partial Observability: A Deep Learning Approach [7.209528581296429]
  時系列間の依存グラフを復元するグラフ構造同定の問題について検討する。 観測時系列から計算した特徴ベクトルを考案し,これらの特徴が線形分離可能であることを示す。 私たちはこれらの機能を使って畳み込みニューラルネットワーク(CNN)を訓練します。
  論文  参考訳（メタデータ） (2022-08-08T20:32:28Z)
• Gransformer: Transformer-based Graph Generation [14.161975556325796]
  Gransformerは、グラフを生成するためのTransformerに基づくアルゴリズムである。 我々は、与えられたグラフの構造情報を利用するためにTransformerエンコーダを変更する。 また、ノードペア間のグラフベースの親しみ度尺度も導入する。
  論文  参考訳（メタデータ） (2022-03-25T14:05:12Z)
• Temporally-Consistent Surface Reconstruction using Metrically-Consistent Atlases [131.50372468579067]
  そこで本稿では,時間変化点雲列から時間一貫性のある面列を復元する手法を提案する。 我々は、再構成された表面をニューラルネットワークによって計算されたアトラスとして表現し、フレーム間の対応性を確立することができる。 当社のアプローチは、いくつかの挑戦的なデータセットにおいて、最先端のものよりも優れています。
  論文  参考訳（メタデータ） (2021-11-12T17:48:25Z)
• The Separation Capacity of Random Neural Networks [78.25060223808936]
  標準ガウス重みと一様分布バイアスを持つ十分に大きな2層ReLUネットワークは、この問題を高い確率で解くことができることを示す。 我々は、相互複雑性という新しい概念の観点から、データの関連構造を定量化する。
  論文  参考訳（メタデータ） (2021-07-31T10:25:26Z)
• VersaGNN: a Versatile accelerator for Graph neural networks [81.1667080640009]
  我々は,超効率的なサイストリックアレイベースの多用途ハードウェアアクセラレータである textitVersaGNN を提案する。 textitVersaGNNは平均3712$times$ speedup with 1301.25$times$ energy reduction on CPU、35.4$times$ speedup with 17.66$times$ energy reduction on GPUを達成している。
  論文  参考訳（メタデータ） (2021-05-04T04:10:48Z)
• Neural Granular Sound Synthesis [53.828476137089325]
  グラニュラー音声合成は、小さな波形ウィンドウの並べ替え配列に基づく一般的な音声生成技術である。 生成ニューラルネットワークは、その欠点の大部分を緩和しつつ、粒状合成を実現することができることを示す。
  論文  参考訳（メタデータ） (2020-08-04T08:08:00Z)

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。