論文の概要: System theoretic approach of information processing in nested cellular
automata
- arxiv url: http://arxiv.org/abs/2210.06052v1
- Date: Wed, 12 Oct 2022 09:45:45 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-13 13:26:59.228587
- Title: System theoretic approach of information processing in nested cellular
automata
- Title(参考訳): ネストセルオートマトンにおける情報処理のシステム理論的アプローチ
- Authors: Jerzy Szynka
- Abstract要約: ネストセルオートマトンにおけるマルチレベル処理に基づく正規構造における情報処理の概念について述べる。
モデルでは、特殊相対性理論で使われる表現に類似した表現が現れる。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The subject of this paper is the evolution of the concept of information
processing in regular structures based on multi-level processing in nested
cellular automata. The essence of the proposed model is a discrete space-time
containing nested orthogonal space-times at its points. The factorization of
the function describing the global behavior of a system is the key element of
the mathematical description. Factorization describes the relations of physical
connections, signal propagation times and signal processing to global behavior.
In the model appear expressions similar to expressions used in the Special
Relativity Theory.
- Abstract(参考訳): 本稿では,ネストセルオートマトンにおけるマルチレベル処理に基づく正規構造における情報処理の概念の進化について述べる。
提案モデルの本質は、その点におけるネスト直交時空を含む離散時空である。
システムのグローバルな振る舞いを記述する関数の分解は、数学的記述の鍵となる要素である。
因子化は、物理接続、信号伝搬時間、信号処理とグローバルな行動の関係を記述している。
モデルでは、特殊相対性理論で使われる表現に似た表現が現れる。
関連論文リスト
- Binding Dynamics in Rotating Features [72.80071820194273]
本稿では,特徴間のアライメントを明示的に計算し,それに応じて重みを調整する「コサイン結合」機構を提案する。
これにより、自己注意と生物学的神経プロセスに直接接続し、回転する特徴に現れるオブジェクト中心の表現の基本的なダイナミクスに光を当てることができます。
論文 参考訳(メタデータ) (2024-02-08T12:31:08Z) - Process Tree: Efficient Representation of Quantum Processes with Complex
Long-Range Memory [0.0]
時間スケールに分散した時間的相関とメモリを示す量子非マルコフ過程のクラスを導入する。
我々の研究は、強く相互作用するオープン量子系の分野において、より効率的な数値技術の開発の基礎を築いた。
論文 参考訳(メタデータ) (2023-12-07T19:00:01Z) - DIFFormer: Scalable (Graph) Transformers Induced by Energy Constrained
Diffusion [66.21290235237808]
本稿では,データセットからのインスタンスのバッチを進化状態にエンコードするエネルギー制約拡散モデルを提案する。
任意のインスタンス対間の対拡散強度に対する閉形式最適推定を示唆する厳密な理論を提供する。
各種タスクにおいて優れた性能を有する汎用エンコーダバックボーンとして,本モデルの適用性を示す実験を行った。
論文 参考訳(メタデータ) (2023-01-23T15:18:54Z) - Initial Correlations in Open Quantum Systems: Constructing Linear
Dynamical Maps and Master Equations [62.997667081978825]
任意の所定の初期相関に対して、開系の作用素の空間上の線型動的写像を導入することができることを示す。
この構造が一般化されたリンドブラッド構造を持つ線形時間局所量子マスター方程式に導かれることを実証する。
論文 参考訳(メタデータ) (2022-10-24T13:43:04Z) - Deep Equilibrium Assisted Block Sparse Coding of Inter-dependent
Signals: Application to Hyperspectral Imaging [71.57324258813675]
相互依存信号のデータセットは、列が強い依存を示す行列として定義される。
ニューラルネットワークは、事前に構造として機能し、基礎となる信号相互依存性を明らかにするために使用される。
ディープ・アンローリングとディープ・平衡に基づくアルゴリズムが開発され、高度に解釈可能で簡潔なディープ・ラーニング・ベース・アーキテクチャを形成する。
論文 参考訳(メタデータ) (2022-03-29T21:00:39Z) - Descriptors for Machine Learning Model of Generalized Force Field in
Condensed Matter Systems [3.9811842769009034]
凝縮物質系のマルチスケール動的モデリングのための機械学習(ML)手法の一般的な枠組みを概説する。
両スペクトル係数に基づいて不変量を計算するための体系的かつ厳密なアプローチを提供する群論的手法に着目する。
論文 参考訳(メタデータ) (2022-01-03T18:38:26Z) - Adapted projection operator technique for the treatment of initial
correlations [0.0]
本稿では,システム環境相互作用の微視的モデリングに適用可能な摂動的手法を提案する。
提案手法は,従来の投射法よりも長期体制において期待される動的挙動を再現する2つのケーススタディによってさらに説明される。
論文 参考訳(メタデータ) (2021-07-28T18:01:12Z) - A supervised learning algorithm for interacting topological insulators
based on local curvature [6.281776745576886]
本稿では,高対称性点における曲率関数のみを入力データとして利用する教師付き機械学習手法を提案する。
相互作用しないデータでトレーニングされた人工ニューラルネットワークは、相互作用するケースのすべての位相位相を正確に予測できることを示す。
興味深いことに、この手法はユビキタスな相互作用によって引き起こされるトポロジカル量子多臨界性を明らかにする。
論文 参考訳(メタデータ) (2021-04-22T18:00:00Z) - Out-of-time-order correlations and the fine structure of eigenstate
thermalisation [58.720142291102135]
量子情報力学と熱化を特徴付けるツールとして、OTOC(Out-of-time-orderor)が確立されている。
我々は、OTOCが、ETH(Eigenstate Thermalisation hypothesis)の詳細な詳細を調査するための、本当に正確なツールであることを明確に示している。
無限温度状態における局所作用素の和からなる可観測物の一般クラスに対して、$omega_textrmGOE$の有限サイズスケーリングを推定する。
論文 参考訳(メタデータ) (2021-03-01T17:51:46Z) - Adding machine learning within Hamiltonians: Renormalization group
transformations, symmetry breaking and restoration [0.0]
我々は、位相分類のために設計されたニューラルネットワークの予測関数を、系のハミルトニアン内の外部磁場に結合した共役変数として含む。
結果は, 対称性を破り, 復元することで, 秩序相転移を誘導できることを示す。
機械学習と物理をブリッジする上で,この手法がいかに重要なステップを提供するかを論じる。
論文 参考訳(メタデータ) (2020-09-30T18:44:18Z) - UNIPoint: Universally Approximating Point Processes Intensities [125.08205865536577]
学習可能な関数のクラスが任意の有効な強度関数を普遍的に近似できることを示す。
ニューラルポイントプロセスモデルであるUNIPointを実装し,各イベントの基底関数の和をパラメータ化するために,リカレントニューラルネットワークを用いた。
論文 参考訳(メタデータ) (2020-07-28T09:31:56Z)
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。