論文の概要: Theory of Acceleration of Decision Making by Correlated Times Sequences

• arxiv url: http://arxiv.org/abs/2203.16004v1
• Date: Wed, 30 Mar 2022 02:27:01 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-31 16:59:05.688233
• Title: Theory of Acceleration of Decision Making by Correlated Times Sequences
• Title（参考訳）: 関連時間系列による意思決定の高速化の理論
• Authors: Norihiro Okada, Tomoki Yamagami, Nicolas Chauvet, Yusuke Ito, Mikio Hasegawa, Makoto Naruse
• Abstract要約: フォトニック加速器は情報処理能力を高めるために集中的に研究されている。 レーザーカオスは、マルチアームバンディット(MAB)問題や意思決定問題をGHzオーダーで解決する機能を提供する。 相関時間列によって意思決定が加速される理由のメカニズムは不明である。
• 参考スコア（独自算出の注目度）: 0.15658704610960572
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Photonic accelerators have been intensively studied to provide enhanced information processing capability to benefit from the unique attributes of physical processes. Recently, it has been reported that chaotically oscillating ultrafast time series from a laser, called laser chaos, provides the ability to solve multi-armed bandit (MAB) problems or decision-making problems at GHz order. Furthermore, it has been confirmed that the negatively correlated time-domain structure of laser chaos contributes to the acceleration of decision-making. However, the underlying mechanism of why decision-making is accelerated by correlated time series is unknown. In this paper, we demonstrate a theoretical model to account for the acceleration of decision-making by correlated time sequence. We first confirm the effectiveness of the negative autocorrelation inherent in time series for solving two-armed bandit problems using Fourier transform surrogate methods. We propose a theoretical model that concerns the correlated time series subjected to the decision-making system and the internal status of the system therein in a unified manner, inspired by correlated random walks. We demonstrate that the performance derived analytically by the theory agrees well with the numerical simulations, which confirms the validity of the proposed model and leads to optimal system design. The present study paves the new way for the effectiveness of correlated time series for decision-making, impacting artificial intelligence and other applications.
• Abstract（参考訳）: フォトニック加速器は、物理的プロセスのユニークな特性の恩恵を受けるために情報処理能力を強化するために熱心に研究されてきた。 近年,レーザーカオスと呼ばれるレーザからの超高速時系列をカオス的に振動させることで,マルチアームバンディット(MAB)問題や決定問題をGHz順序で解くことができることが報告されている。 さらに,レーザーカオスの負相関時間領域構造が意思決定の加速に寄与することが確認された。 しかし、なぜ意思決定が相関時系列によって加速されるのかという根本的なメカニズムは不明である。 本稿では,時系列の相関による意思決定の加速を考慮した理論的モデルを示す。 まず,フーリエ変換サロゲート法を用いた二本腕バンディット問題の解法として,時系列に内在する負の自己相関の有効性を確認した。 本稿では, 意思決定システムに係わる関係時系列とシステムの内部状態を, 相関ランダムウォークにインスパイアされた統一的な方法で関連づける理論モデルを提案する。 本理論により解析的に導出された性能は,提案モデルの有効性を確認し,最適システム設計につながる数値シミュレーションとよく一致することを示す。 本研究は, 意思決定における関連時系列の有効性, 人工知能などの応用に影響を及ぼす新しい方法である。

関連論文リスト

• Causal Inference from Slowly Varying Nonstationary Processes [2.3072402651280517]
  観測データヒンジからの因果推論は、データ生成機構による原因と効果の非対称性に依存する。 本稿では,時間変化フィルタと定常雑音を用いた新しい構造因果モデルを提案し,非定常性から非対称性を利用して因果同定を行う。
  論文  参考訳（メタデータ） (2024-05-11T04:15:47Z)
• Neural Harmonium: An Interpretable Deep Structure for Nonlinear Dynamic System Identification with Application to Audio Processing [4.599180419117645]
  解釈可能性(Interpretability)は、モデルを一般化し、その限界を明らかにする能力を理解するのに役立ちます。 本稿では,動的システムモデリングのための因果解釈可能な深部構造を提案する。 提案モデルは,時間周波数領域におけるシステムモデリングによる調和解析を利用する。
  論文  参考訳（メタデータ） (2023-10-10T21:32:15Z)
• TC-LIF: A Two-Compartment Spiking Neuron Model for Long-Term Sequential Modelling [54.97005925277638]
  潜在的な可能性や危険に関連する感覚的手がかりの同定は、長期間の遅延によって有用な手がかりを分離する無関係な事象によってしばしば複雑になる。 SNN(State-of-the-art spiking Neural Network)は、遠方のキュー間の長期的な時間的依存関係を確立する上で、依然として困難な課題である。 そこで本研究では,T-LIFとよばれる,生物学的にインスパイアされたTwo-compartment Leaky Integrate- and-Fireのスパイキングニューロンモデルを提案する。
  論文  参考訳（メタデータ） (2023-08-25T08:54:41Z)
• An Optimization-based Deep Equilibrium Model for Hyperspectral Image Deconvolution with Convergence Guarantees [71.57324258813675]
  本稿では,ハイパースペクトル画像のデコンボリューション問題に対処する新しい手法を提案する。 新しい最適化問題を定式化し、学習可能な正規化器をニューラルネットワークの形で活用する。 導出した反復解法は、Deep Equilibriumフレームワーク内の不動点計算問題として表現される。
  論文  参考訳（メタデータ） (2023-06-10T08:25:16Z)
• Inference on Causal Effects of Interventions in Time using Gaussian Processes [0.0]
  本稿では,特定の時点における介入の因果的影響を推測することに焦点を当てた。 我々は、中断した時系列のフレームワークを運用し、合成制御のようなアプローチを拡張します。 開発されたモデルには高い柔軟性があり、機能形式にはほとんど制限がない。
  論文  参考訳（メタデータ） (2022-10-06T12:10:57Z)
• Physics Informed RNN-DCT Networks for Time-Dependent Partial Differential Equations [62.81701992551728]
  時間依存偏微分方程式を解くための物理インフォームド・フレームワークを提案する。 我々のモデルは離散コサイン変換を用いて空間的および反復的なニューラルネットワークを符号化する。 ナヴィエ・ストークス方程式に対するテイラー・グリーン渦解の実験結果を示す。
  論文  参考訳（メタデータ） (2022-02-24T20:46:52Z)
• Consistency of mechanistic causal discovery in continuous-time using Neural ODEs [85.7910042199734]
  ダイナミカルシステムの研究において,連続時間における因果的発見を検討する。 本稿では,ニューラルネットワークを用いた因果探索アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-05-06T08:48:02Z)
• Anomaly Detection of Time Series with Smoothness-Inducing Sequential Variational Auto-Encoder [59.69303945834122]
  Smoothness-Inducing Sequential Variational Auto-Encoder (SISVAE) モデルを提案する。 我々のモデルは、フレキシブルニューラルネットワークを用いて各タイムスタンプの平均と分散をパラメータ化する。 合成データセットと公開実世界のベンチマークの両方において,本モデルの有効性を示す。
  論文  参考訳（メタデータ） (2021-02-02T06:15:15Z)
• Fast and differentiable simulation of driven quantum systems [58.720142291102135]
  我々は、ダイソン展開に基づく半解析手法を導入し、標準数値法よりもはるかに高速に駆動量子系を時間発展させることができる。 回路QEDアーキテクチャにおけるトランスモン量子ビットを用いた2量子ゲートの最適化結果を示す。
  論文  参考訳（メタデータ） (2020-12-16T21:43:38Z)
• The temporal overfitting problem with applications in wind power curve modeling [8.057262184815636]
  本稿では,時間的過適合問題に対処する新しい手法を提案する。 本稿では,風力エネルギーのパワー曲線モデリングを対象とする。
  論文  参考訳（メタデータ） (2020-12-02T17:39:57Z)

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。