Fugu-MT 論文翻訳(概要): Cellular automata can classify data by inducing trajectory phase coexistence

論文の概要: Cellular automata can classify data by inducing trajectory phase coexistence

arxiv url: http://arxiv.org/abs/2203.05551v3
Date: Mon, 25 Jul 2022 22:33:05 GMT
ステータス: 処理完了
システム内更新日: 2023-02-22 11:49:21.865410
Title: Cellular automata can classify data by inducing trajectory phase coexistence
Title（参考訳）: 軌道相共存を誘導してデータを分類できるセルオートマトン
Authors: Stephen Whitelam, Isaac Tamblyn
Abstract要約: セルオートマトンは動的位相共存の形でデータを分類できることを示す。モンテカルロ法を用いて一般的な2次元決定論的オートマトンを探索する。
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 show that cellular automata can classify data by inducing a form of dynamical phase coexistence. We use Monte Carlo methods to search for general two-dimensional deterministic automata that classify images on the basis of activity, the number of state changes that occur in a trajectory initiated from the image. When the number of timesteps of the automaton is a trainable parameter, the search scheme identifies automata that generate a population of dynamical trajectories displaying high or low activity, depending on initial conditions. Automata of this nature behave as nonlinear activation functions with an output that is effectively binary, resembling an emergent version of a spiking neuron.
Abstract（参考訳）: セルオートマトンは動的位相共存を誘導することでデータを分類できることを示す。我々はモンテカルロ法を用いて、画像から開始された軌跡における状態変化の数、活動に基づいて画像を分類する一般的な2次元決定論的オートマトンを探索する。オートマトンのタイムステップ数がトレーニング可能なパラメータである場合、探索方式は、初期条件に応じて、高または低活性を示す動的軌跡の集団を生成するオートマトンを特定する。この性質のオートマトンは、スパイクニューロンの創発的なバージョンに似た、効果的にバイナリな出力を持つ非線形活性化関数として振る舞う。

関連論文リスト

Reconstruction of neuromorphic dynamics from a single scalar time series using variational autoencoder and neural network map [0.0]
ホジキン・ハクスリー形式に基づく生理ニューロンのモデルを考える。その変数の1つの時系列は、離散時間力学系として動作可能なニューラルネットワークをトレーニングするのに十分なものであることが示されている。
論文参考訳（メタデータ） (2024-11-11T15:15:55Z)
Locally adaptive cellular automata for goal-oriented self-organization [14.059479351946386]
本稿では,スケーラブルで表現力のあるモデルを生成するための適応型セルオートマトンモデルを提案する。本稿では,セルオートマトンとシステム状態の更新ルールを局所的に結合することで,適応を実現する方法を示す。
論文参考訳（メタデータ） (2023-06-12T12:32:23Z)
STMT: A Spatial-Temporal Mesh Transformer for MoCap-Based Action Recognition [50.064502884594376]
本研究では、モーションキャプチャー(MoCap)シーケンスを用いた人間の行動認識の問題点について検討する。メッシュシーケンスを直接モデル化する新しい時空間メッシュ変換器(STMT)を提案する。提案手法は,スケルトンベースモデルやポイントクラウドベースモデルと比較して,最先端の性能を実現する。
論文参考訳（メタデータ） (2023-03-31T16:19:27Z)
A probabilistic latent variable model for detecting structure in binary data [0.6767885381740952]
スパースバイナリデータにおけるパターンの雑音や近似的な繰り返しを検出するために,新しい確率的二項潜在変数モデルを導入する。モデルの能力は、網膜ニューロンから記録された構造を抽出することによって示される。映画刺激時の網膜神経節細胞に記録されたスパイク応答に本モデルを適用した。
論文参考訳（メタデータ） (2022-01-26T18:37:35Z)
Classification of Discrete Dynamical Systems Based on Transients [0.0]
決定論的離散空間と時間力学系の任意のクラスに適用可能な新しい分類法を提案する。順序付けられた振る舞いからカオスへのフェーズ移行に対応する、行動の重要な領域を特定できたのです。私たちの仕事は、複雑な構造が現れるシステムの設計に利用できます。
論文参考訳（メタデータ） (2021-08-03T15:34:01Z)
Towards self-organized control: Using neural cellular automata to robustly control a cart-pole agent [62.997667081978825]
我々は、カートポールエージェントを制御するために、ニューラルセルオートマトンを使用する。我々は、Q値の推定値として出力セルの状態を用いる深層学習を用いてモデルを訓練した。
論文参考訳（メタデータ） (2021-06-29T10:49:42Z)
Directed percolation in non-unitary quantum cellular automata [0.0]
ドマニ・キンツェルセルオートマトンを一般化する非単位量子セルオートマトンを構築する。テンソルネットワークiTEBDアルゴリズムを用いて数値シミュレーションにより結果の動的進化について検討する。
論文参考訳（メタデータ） (2021-05-04T10:10:16Z)
A Driving Behavior Recognition Model with Bi-LSTM and Multi-Scale CNN [59.57221522897815]
運転行動認識のための軌道情報に基づくニューラルネットワークモデルを提案する。提案手法を公開BLVDデータセット上で評価し,満足な性能を実現する。
論文参考訳（メタデータ） (2021-03-01T06:47:29Z)
A Novel Anomaly Detection Algorithm for Hybrid Production Systems based on Deep Learning and Timed Automata [73.38551379469533]
DAD:DeepAnomalyDetectionは,ハイブリッド生産システムにおける自動モデル学習と異常検出のための新しいアプローチである。深層学習とタイムドオートマトンを組み合わせて、観察から行動モデルを作成する。このアルゴリズムは実システムからの2つのデータを含む少数のデータセットに適用され、有望な結果を示している。
論文参考訳（メタデータ） (2020-10-29T08:27:43Z)
Model identification and local linear convergence of coordinate descent [74.87531444344381]
循環座標降下は、幅広い種類の関数に対して有限時間でモデル同定を達成することを示す。また、座標降下に対する局所収束速度を明示的に証明する。
論文参考訳（メタデータ） (2020-10-22T16:03:19Z)
Induction and Exploitation of Subgoal Automata for Reinforcement Learning [75.55324974788475]
本稿では,Regressed Learning (RL)タスクにおけるサブゴールの学習と活用のためのISAを提案する。 ISAは、タスクのサブゴールによってエッジがラベル付けされたオートマトンであるサブゴールオートマトンを誘導することで強化学習をインターリーブする。サブゴールオートマトンはまた、タスクの完了を示す状態と、タスクが成功せずに完了したことを示す状態の2つの特別な状態で構成されている。
論文参考訳（メタデータ） (2020-09-08T16:42:55Z)

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。