論文の概要: Thermodynamics of bidirectional associative memories
- arxiv url: http://arxiv.org/abs/2211.09694v1
- Date: Thu, 17 Nov 2022 17:35:37 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-18 15:16:18.103062
- Title: Thermodynamics of bidirectional associative memories
- Title（参考訳）: 双方向連想記憶の熱力学
- Authors: Adriano Barra, Giovanni Catania, Aur\'elien Decelle, Beatriz Seoane
- Abstract要約: 双方向連想記憶(BAM)の平衡特性について検討する。
最も単純なアーキテクチャは2つのニューロン層で定義されており、異なるレイヤのユニット間でのみシナプス接続が可能である。
2つの相互作用するホップフィールドモデルと類似して,BAMの検索機構を説明するために低負荷解析を行った。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: In this paper we investigate the equilibrium properties of bidirectional
associative memories (BAMs). Introduced by Kosko in 1988 as a generalization of
the Hopfield model to a bipartite structure, the simplest architecture is
defined by two layers of neurons, with synaptic connections only between units
of different layers: even without internal connections within each layer,
information storage and retrieval are still possible through the reverberation
of neural activities passing from one layer to another. We characterize the
computational capabilities of a stochastic extension of this model in the
thermodynamic limit, by applying rigorous techniques from statistical physics.
A detailed picture of the phase diagram at the replica symmetric level is
provided, both at finite temperature and in the noiseless regime. An analytical
and numerical inspection of the transition curves (namely critical lines
splitting the various modes of operation of the machine) is carried out as the
control parameters - noise, load and asymmetry between the two layer sizes -
are tuned. In particular, with a finite asymmetry between the two layers, it is
shown how the BAM can store information more efficiently than the Hopfield
model by requiring less parameters to encode a fixed number of patterns.
Comparisons are made with numerical simulations of neural dynamics. Finally, a
low-load analysis is carried out to explain the retrieval mechanism in the BAM
by analogy with two interacting Hopfield models. A potential equivalence with
two coupled Restricted Boltmzann Machines is also discussed.
- Abstract（参考訳）: 本稿では,双方向連想記憶(BAM)の平衡特性について検討する。
ホップフィールドモデルから二部構造への一般化として1988年にKoskoによって導入され、最も単純なアーキテクチャは2つの階層のニューロンで定義され、各層の内部接続がなくても、情報記憶と検索は、ある層から別の層へ流れる神経活動の残響を通じて可能である。
統計物理学の厳密な手法を適用することにより, このモデルの確率的拡張の計算能力を熱力学的極限で特徴づける。
有限温度とノイズレス状態の両方において、レプリカ対称レベルでの位相図の詳細な図が提供される。
制御パラメータとして、遷移曲線(すなわち、機械の様々な動作モードを分割する臨界線)の分析および数値検査を行う。
特に,二つの層間の非対称性が有限であることから,一定数のパターンを符号化するためにパラメータを少なくすることで,bamがホップフィールドモデルよりも効率的に情報を格納できることを示す。
ニューラルダイナミクスの数値シミュレーションとの比較を行った。
最後に,2つの相互作用するホップフィールドモデルに類似したbamの検索機構を説明するために,低負荷解析を行う。
2つの結合された制限ボルトミザン機械のポテンシャル同値性についても論じる。
関連論文リスト
- Duality between string and computational order in symmetry-enriched topological phases [0.0]
測定に基づく量子計算における一様パワーをもつ物質の位相位相の最初の例を示す。
異方性磁場中におけるトーリック符号の基底状態は,非計算的・普遍的なフレームワークの適用にもかかわらず,自然かつ自然なものであることを示す。
論文 参考訳（メタデータ） (2024-10-03T17:38:03Z) - Entanglement and the density matrix renormalisation group in the generalised Landau paradigm [0.0]
我々は、対称1次元量子格子モデルのギャップ位相と双対性の間の相互作用を利用する。
位相図のすべての位相について、すべての対称性を破る基底状態の双対表現は、絡み合いエントロピーと必要な変分パラメータの数の両方を最小化する。
本研究は,高相関系のナッツ・ボルトシミュレーションにおける一般化非可逆対称性の有用性とそれらの形式的カテゴリー論的記述を検証した。
論文 参考訳（メタデータ） (2024-08-12T17:51:00Z) - Exotic Symmetry Breaking Properties of Self-Dual Fracton Spin Models [4.467896011825295]
2つの自己双対フラクトンスピンモデルの基底状態特性と相転移について検討する。
両モデルとも, 異常な$L-(D-1)$スケーリングで, 強い1次位相遷移を経験することを示す。
我々の研究は、サブ次元対称性の破れについての新しい理解を提供し、チェッカーボードとハアの符号の量子エラー補正特性を研究するための重要なステップとなる。
論文 参考訳（メタデータ） (2023-11-18T13:12:14Z) - Synthetic $\mathbb{Z}_2$ gauge theories based on parametric excitations
of trapped ions [0.0]
捕捉したイオンの結晶におけるZ2ゲージ理論のアナログ量子シミュレーションの詳細なスキームを提案する。
異なるスピンモーション結合方式に対応するパラメトリック励起に基づく多目的ツールボックスを提案する。
このビルディングブロックは、1つの閉じ込められたイオンで実装されると、最小のZ2ゲージ理論に対応する。
論文 参考訳（メタデータ） (2023-05-15T15:01:09Z) - Capturing dynamical correlations using implicit neural representations [85.66456606776552]
実験データから未知のパラメータを復元するために、モデルハミルトンのシミュレーションデータを模倣するために訓練されたニューラルネットワークと自動微分を組み合わせた人工知能フレームワークを開発する。
そこで本研究では, 実時間から多次元散乱データに適用可能な微分可能なモデルを1回だけ構築し, 訓練する能力について述べる。
論文 参考訳（メタデータ） (2023-04-08T07:55:36Z) - Modeling the space-time correlation of pulsed twin beams [68.8204255655161]
パラメトリックダウンコンバージョンによって生成される絡み合ったツインビームは、画像指向アプリケーションで好まれるソースである。
本研究では,時間消費数値シミュレーションと非現実的な平面波ポンプ理論のギャップを埋めることを目的とした半解析モデルを提案する。
論文 参考訳（メタデータ） (2023-01-18T11:29:49Z) - Quantum correlations, entanglement spectrum and coherence of
two-particle reduced density matrix in the Extended Hubbard Model [62.997667081978825]
半充填時の一次元拡張ハバードモデルの基底状態特性について検討する。
特に超伝導領域では, エンタングルメントスペクトルが支配的な一重項(SS)と三重項(TS)のペアリング順序の遷移を信号する。
論文 参考訳（メタデータ） (2021-10-29T21:02:24Z) - Memory kernel and divisibility of Gaussian Collisional Models [0.0]
オープンシステムのダイナミクスにおけるメモリ効果は、ここ数十年で大きな関心を集めてきた。
我々は,部分的なSWAPを実装したビームスプリッタと,アンシラを絡めて励起をシステムに供給する2モードスキューズという2種類の相互作用を解析する。
これら2つの代表的なシナリオのメモリカーネルの解析と拡張性により、量子領域におけるメモリ効果の背後にある複雑なメカニズムの解明に寄与する。
論文 参考訳（メタデータ） (2020-08-03T10:28:55Z) - Provably Efficient Neural Estimation of Structural Equation Model: An
Adversarial Approach [144.21892195917758]
一般化構造方程式モデル(SEM)のクラスにおける推定について検討する。
線形作用素方程式をmin-maxゲームとして定式化し、ニューラルネットワーク(NN)でパラメータ化し、勾配勾配を用いてニューラルネットワークのパラメータを学習する。
提案手法は,サンプル分割を必要とせず,確固とした収束性を持つNNをベースとしたSEMの抽出可能な推定手順を初めて提供する。
論文 参考訳（メタデータ） (2020-07-02T17:55:47Z) - Dynamical solitons and boson fractionalization in cold-atom topological
insulators [110.83289076967895]
Incommensurate densities において $mathbbZ$ Bose-Hubbard モデルについて検討する。
我々は、$mathbbZ$フィールドの欠陥が基底状態にどのように現れ、異なるセクターを接続するかを示す。
ポンピングの議論を用いて、有限相互作用においても生き残ることを示す。
論文 参考訳（メタデータ） (2020-03-24T17:31:34Z) - Inverse Learning of Symmetries [71.62109774068064]
2つの潜在部分空間からなるモデルで対称性変換を学ぶ。
我々のアプローチは、情報ボトルネックと連続的な相互情報正規化器の組み合わせに基づいています。
我々のモデルは, 人工的および分子的データセットにおける最先端の手法より優れている。
論文 参考訳（メタデータ） (2020-02-07T13:48:52Z)
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。