論文の概要: Stochastic facilitation in heteroclinic communication channels

• arxiv url: http://arxiv.org/abs/2110.12221v1
• Date: Sat, 23 Oct 2021 13:50:16 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-10 17:24:37.953345
• Title: Stochastic facilitation in heteroclinic communication channels
• Title（参考訳）: ヘテロクリニック通信路における確率的ファシリテーション
• Authors: Giovanni Sirio Carmantini, Fabio Schittler Neves, Marc Timme, Serafim Rodrigues
• Abstract要約: 人工ニューラルネットワークで自然に現れるヘテロクリニックネットワークは、状態空間におけるサドルのネットワークである。 ヘテロクリニックネットワークの情報伝達特性について検討し,通信チャネルとして検討する。
• 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: Biological neural systems encode and transmit information as patterns of activity tracing complex trajectories in high-dimensional state-spaces, inspiring alternative paradigms of information processing. Heteroclinic networks, naturally emerging in artificial neural systems, are networks of saddles in state-space that provide a transparent approach to generate complex trajectories via controlled switches among interconnected saddles. External signals induce specific switching sequences, thus dynamically encoding inputs as trajectories. Recent works have focused either on computational aspects of heteroclinic networks, i.e. Heteroclinic Computing, or their stochastic properties under noise. Yet, how well such systems may transmit information remains an open question. Here we investigate the information transmission properties of heteroclinic networks, studying them as communication channels. Choosing a tractable but representative system exhibiting a heteroclinic network, we investigate the mutual information rate (MIR) between input signals and the resulting sequences of states as the level of noise varies. Intriguingly, MIR does not decrease monotonically with increasing noise. Intermediate noise levels indeed maximize the information transmission capacity by promoting an increased yet controlled exploration of the underlying network of states. Complementing standard stochastic resonance, these results highlight the constructive effect of stochastic facilitation (i.e. noise-enhanced information transfer) on heteroclinic communication channels and possibly on more general dynamical systems exhibiting complex trajectories in state-space.
• Abstract（参考訳）: 生体神経システムは、情報を高次元状態空間における複雑な軌跡を追跡する活動パターンとしてエンコードし、伝達し、情報処理の代替パラダイムを刺激する。 人工ニューラルネットワークで自然に現れるヘテロクリニックネットワークは、相互接続されたサドル間の制御スイッチを介して複雑な軌道を生成する透過的なアプローチを提供する、状態空間内のサドルのネットワークである。 外部信号は特定のスイッチングシーケンスを誘導し、入力をトラジェクトリとして動的に符号化する。 最近の研究はヘテロクリニックネットワークの計算的側面、すなわちヘテロクリニックコンピューティング、あるいは雑音下での確率的性質に焦点を当てている。 しかし、そのようなシステムがいかに情報を伝達できるかは未解決の問題である。 本稿ではヘテロクリニックネットワークの情報伝達特性について検討し,通信チャネルとして検討する。 ヘテロクリニックネットワークを示すトラクタブルだが代表的なシステムを選択し,ノイズのレベルが変化するにつれて,入力信号と状態の相互情報レート(MIR)を調査する。 興味深いことに、MIRはノイズの増加とともに単調に減少しない。 中間ノイズレベルは、基礎となる状態のネットワークの増大を推進し、情報伝達能力を最大化する。 標準的な確率共鳴を補完し、これらの結果は、ヘテロクリニック通信チャネルや、状態空間における複雑な軌跡を示すより一般的な力学系における確率的ファシリテーション(すなわちノイズ強調情報伝達)の構成的効果を強調する。

関連論文リスト

• Heterogeneous quantization regularizes spiking neural network activity [0.0]
  本稿では、アナログデータを正規化し、スパイク位相表現に量子化する、データブラインドニューロモルフィック信号条件付け戦略を提案する。 我々は、量子化重みの範囲と密度が蓄積された入力統計に適応するデータ認識キャリブレーションステップを追加することで、このメカニズムを拡張した。
  論文  参考訳（メタデータ） (2024-09-27T02:25:44Z)
• Exploring neural oscillations during speech perception via surrogate gradient spiking neural networks [59.38765771221084]
  本稿では、ディープラーニングフレームワークと互換性があり、スケーラブルな、生理学的にインスパイアされた音声認識アーキテクチャを提案する。 本研究では, 終末から終末までの勾配降下訓練が, 中枢スパイク神経ネットワークにおける神経振動の出現に繋がることを示す。 本研究は, スパイク周波数適応やリカレント接続などのフィードバック機構が, 認識性能を向上させるために, 神経活動の調節と同期に重要な役割を担っていることを明らかにする。
  論文  参考訳（メタデータ） (2024-04-22T09:40:07Z)
• Benchmarking Semantic Communications for Image Transmission Over MIMO Interference Channels [11.108614988357008]
  一般マルチインプット・マルチアウトプット(MIMO)干渉チャネルに対するインターフェクト・ロバスト・セマンティック通信(IRSC)方式を提案する。 このスキームはニューラルネットワーク(NN)に基づくトランシーバの開発を伴い、チャネル状態情報(CSI)を受信機のみ、または送信機と受信機の両方の端で統合する。 実験結果から、IRSC方式は干渉を緩和し、ベースラインアプローチより優れることを示す。
  論文  参考訳（メタデータ） (2024-04-10T11:40:22Z)
• Polariton lattices as binarized neuromorphic networks [0.0]
  本研究では, 励起子-偏光子縮合格子に基づく新規なニューロモルフィックネットワークアーキテクチャを導入し, 非共鳴光ポンピングにより複雑に相互接続し, エネルギー化する。 このネットワークは、ペア結合された凝縮体の空間コヒーレンスによって促進される各ニューロンがバイナリ操作を行うバイナリ・フレームワークを採用している。
  論文  参考訳（メタデータ） (2024-01-14T08:32:41Z)
• On-demand transposition across light-matter interaction regimes in bosonic cQED [69.65384453064829]
  ボソニックcQEDは、非線形回路素子に結合した高温超伝導キャビティの光電場を用いる。 空洞コヒーレンスを劣化させることなく, 相互作用系を高速に切り替える実験を行った。 我々の研究は、単一のプラットフォーム内での光-物質相互作用のフル範囲を探索する新しいパラダイムを開く。
  論文  参考訳（メタデータ） (2023-12-22T13:01:32Z)
• Leveraging Low-Rank and Sparse Recurrent Connectivity for Robust Closed-Loop Control [63.310780486820796]
  繰り返し接続のパラメータ化が閉ループ設定のロバスト性にどのように影響するかを示す。 パラメータが少ないクローズドフォーム連続時間ニューラルネットワーク(CfCs)は、フルランクで完全に接続されたニューラルネットワークよりも優れています。
  論文  参考訳（メタデータ） (2023-10-05T21:44:18Z)
• Data-Driven Blind Synchronization and Interference Rejection for Digital Communication Signals [98.95383921866096]
  本研究では,データ駆動型深層学習手法の可能性について検討した。 本研究では,高分解能時間構造(非定常性)の取得が性能向上につながることを示す。 既製のNNと古典的検出と干渉除去の両方で改善可能なドメインインフォームドニューラルネットワーク(NN)の設計を提案する。
  論文  参考訳（メタデータ） (2022-09-11T14:10:37Z)
• Data-driven emergence of convolutional structure in neural networks [83.4920717252233]
  識別タスクを解くニューラルネットワークが、入力から直接畳み込み構造を学習できることを示す。 データモデルを慎重に設計することにより、このパターンの出現は、入力の非ガウス的、高次局所構造によって引き起こされることを示す。
  論文  参考訳（メタデータ） (2022-02-01T17:11:13Z)
• Information contraction in noisy binary neural networks and its implications [11.742803725197506]
  我々は、各ニューロンが不正な出力を発生させる確率がゼロでない、ノイズの多いバイナリニューラルネットワークを考察する。 私たちの重要な発見は、ノイズの多いニューラルネットワークで必要なニューロンの数が少ないことです。 本稿では,情報理論のレンズを通して,ノイズの多い情報処理システムに対する新たな理解を提供する。
  論文  参考訳（メタデータ） (2021-01-28T00:01:45Z)
• End-to-End Learning of Neuromorphic Wireless Systems for Low-Power Edge Artificial Intelligence [38.518936229794214]
  我々は、ニューロモルフィックセンシング、インパルスラジオ(IR)、スパイキングニューラルネットワーク(SNN)に基づく、遠隔無線推論のための新しい「オールスパイク」低電力ソリューションを提案する。 我々は,エンコーダ,チャネル,デコーダのカスケードを,JSCC(Joint Source-Channel Coding)を実装した確率的SNNベースのオートエンコーダとして扱うエンドツーエンドのトレーニング手順を導入する。 実験により、提案したエンドツーエンドのニューロモルフィックエッジアーキテクチャが、効率的で低レイテンシなリモートセンシング、通信、推論のための有望なフレームワークを提供することを確認した。
  論文  参考訳（メタデータ） (2020-09-03T09:10:16Z)
• GCN for HIN via Implicit Utilization of Attention and Meta-paths [104.24467864133942]
  不均一情報ネットワーク(HIN)埋め込みは、HINの構造と意味情報を分散表現にマッピングすることを目的としている。 本稿では,注意とメタパスを暗黙的に活用するニューラルネットワーク手法を提案する。 まず、各層で識別集約を行う多層グラフ畳み込みネットワーク(GCN)フレームワークを用いる。 次に,アグリゲーションから分離可能な新しい伝搬操作を導入することにより,効果的な緩和と改善を行う。
  論文  参考訳（メタデータ） (2020-07-06T11:09:40Z)

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。