論文の概要: A novel HD Computing Algebra: Non-associative superposition of states creating sparse bundles representing order information

• arxiv url: http://arxiv.org/abs/2202.08633v1
• Date: Thu, 17 Feb 2022 12:40:32 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-25 12:47:49.747284
• Title: A novel HD Computing Algebra: Non-associative superposition of states creating sparse bundles representing order information
• Title（参考訳）: 新しいHDコンピューティング代数:秩序情報を表すスパースバンドルを生成する状態の非連想的重ね合わせ
• Authors: Stefan Reimann
• Abstract要約: 認知コンピューティングは、アイテム情報だけでなく、シーケンシャル情報も表現する必要がある。 神経活動の総和にインスパイアされた単純なバイナリバンドルルールにより、結果のメモリ状態はアイテム情報とシーケンシャル情報の両方を表現することができる。 任意の数のアイテムをまとめることによるメモリ状態は、非均一であり、合計のアクティベーションしきい値によって制御されるスパース度を有する。
• 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: Information inflow into a computational system is by a sequence of information items. Cognitive computing, i.e. performing transformations along that sequence, requires to represent item information as well as sequential information. Among the most elementary operations is bundling, i.e. adding items, leading to 'memory states', i.e. bundles, from which information can be retrieved. If the bundling operation used is associative, e.g. ordinary vector-addition, sequential information can not be represented without imposing additional algebraic structure. A simple stochastic binary bundling rule inspired by the stochastic summation of neuronal activities allows the resulting memory state to represent both, item information as well as sequential information as long as it is non-associative. The memory state resulting from bundling together an arbitrary number of items is non-homogeneous and has a degree of sparseness, which is controlled by the activation threshold in summation. The bundling operation proposed allows to build a filter in the temporal as well as in the items' domain, which can be used to navigate the continuous inflow of information.
• Abstract（参考訳）: 計算システムへの情報流入は、情報項目のシーケンスによって行われる。 認知コンピューティング、すなわち、そのシーケンスに沿って変換を実行するには、アイテム情報だけでなく、シーケンシャルな情報も表現する必要がある。 最も基本的な操作としては、バンドル、すなわちアイテムの追加、'メモリ状態'、すなわち情報の取得が可能なバンドルなどがある。 通常のベクトル付加のような結合演算が連想的であれば、追加の代数構造を含まないシーケンシャル情報は表現できない。 神経活動の確率的総和にインスパイアされた単純な確率的バイナリバンドルルールにより、結果として生じる記憶状態は、非連想的である限り、アイテム情報とシーケンシャル情報の両方を表現することができる。 任意の数のアイテムを束ねて生じるメモリ状態は不均一であり、和の活性化閾値によって制御される疎さの度合いを有する。 提案するバンドル操作は,情報の連続的な流入をナビゲートするために使用できるアイテムのドメインだけでなく,テンポラリにもフィルタを構築することができる。

関連論文リスト

• Associative Knowledge Graphs for Efficient Sequence Storage and Retrieval [3.355436702348694]
  シーケンスの保存と認識に非常に効果的な連想的知識グラフを作成します。 個々のオブジェクト(ノードとして表現される)は、複数のシーケンスの一部あるいは単一のシーケンス内で繰り返し現れる。 このアプローチは、金融取引における異常検出や過去の行動に基づくユーザの振る舞いの予測など、さまざまな分野への応用の可能性を持っている。
  論文  参考訳（メタデータ） (2024-11-19T13:00:31Z)
• Bisimulation Learning [55.859538562698496]
  我々は、大きな、潜在的に無限の状態空間を持つ状態遷移系の有限バイシミュレートを計算する。 提案手法は,実際に行われている他の最先端ツールよりも高速な検証結果が得られる。
  論文  参考訳（メタデータ） (2024-05-24T17:11:27Z)
• Self-Attention Based Semantic Decomposition in Vector Symbolic Architectures [6.473177443214531]
  本稿では,反復探索問題における自己アテンションに基づく更新規則に基づく共振器ネットワークの新たな変種を提案する。 認識に基づくパターン認識,シーン分解,オブジェクト推論など,多くのタスクに応用できる。
  論文  参考訳（メタデータ） (2024-03-20T00:37:19Z)
• Quick Adaptive Ternary Segmentation: An Efficient Decoding Procedure For Hidden Markov Models [70.26374282390401]
  ノイズの多い観測から元の信号(すなわち隠れ鎖)を復号することは、ほぼすべてのHMMに基づくデータ分析の主要な目標の1つである。 本稿では,多対数計算複雑性において隠れた列を復号化するための分法であるQuick Adaptive Ternary(QATS)を提案する。
  論文  参考訳（メタデータ） (2023-05-29T19:37:48Z)
• Entropic Associative Memory for Manuscript Symbols [0.0]
  マニュアルシンボルは、連想的で分散されているが宣言的でないエントロピーデジタルメモリから保存、認識、検索することができる。 完全情報と不完全情報の両方を用いてオブジェクトを検索するエントロピー連想メモリの動作特性について考察する。
  論文  参考訳（メタデータ） (2022-02-17T02:29:33Z)
• Human Activity Recognition using Attribute-Based Neural Networks and Context Information [61.67246055629366]
  手作業におけるウェアラブルセンサデータから人間の活動認識(HAR)を考察する。 我々は、コンテキスト情報をディープニューラルネットワークベースのHARシステムに体系的に組み込む方法を示す。 提案したアーキテクチャは,最先端手法と比較してHAR性能が向上することを示す。
  論文  参考訳（メタデータ） (2021-10-28T06:08:25Z)
• Quantum Arithmetic for Directly Embedded Arrays [1.8472148461613158]
  本稿では、配列の効率的な処理に依存する量子アルゴリズムを設計するための汎用フレームワークについて述べる。 このフレームワークの土台は、情報の量子振幅への直接埋め込みである。 一般的なオラクルの操作について、明確な例を挙げる。
  論文  参考訳（メタデータ） (2021-07-29T10:14:17Z)
• Representation Learning for Sequence Data with Deep Autoencoding Predictive Components [96.42805872177067]
  本稿では,シーケンスデータの有用な表現が潜在空間における単純な構造を示すべきという直感に基づく,シーケンスデータの自己教師型表現学習法を提案する。 我々は,過去と将来のウィンドウ間の相互情報である潜在特徴系列の予測情報を最大化することにより,この潜時構造を奨励する。 提案手法は,ノイズの多い動的システムの潜時空間を復元し,タスク予測のための予測特徴を抽出し,エンコーダを大量の未ラベルデータで事前訓練する場合に音声認識を改善する。
  論文  参考訳（メタデータ） (2020-10-07T03:34:01Z)
• New advances in enumerative biclustering algorithms with online partitioning [80.22629846165306]
  さらに、数値データセットの列に定数値を持つ最大二クラスタの効率的で完全で正しい非冗長列挙を実現できる二クラスタリングアルゴリズムであるRIn-Close_CVCを拡張した。 改良されたアルゴリズムはRIn-Close_CVC3と呼ばれ、RIn-Close_CVCの魅力的な特性を保ちます。
  論文  参考訳（メタデータ） (2020-03-07T14:54:26Z)
• Assignment Flows for Data Labeling on Graphs: Convergence and Stability [69.68068088508505]
  本稿では、連続時間割当フローを積分代入(ラベル)に収束させることを保証する重みパラメータの条件を確立する。 いくつかの反例は、条件違反は、文脈データ分類に関する代入フローの好ましくない振る舞いを伴う可能性があることを示している。
  論文  参考訳（メタデータ） (2020-02-26T15:45:38Z)

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。