Fugu-MT 論文翻訳(概要): Emergence of a stochastic resonance in machine learning

論文の概要: Emergence of a stochastic resonance in machine learning

arxiv url: http://arxiv.org/abs/2211.09955v1
Date: Tue, 15 Nov 2022 18:15:43 GMT
ステータス: 処理完了
システム内更新日: 2022-11-27 13:17:31.775673
Title: Emergence of a stochastic resonance in machine learning
Title（参考訳）: 機械学習における確率共鳴の創発
Authors: Zheng-Meng Zhai, Ling-Wei Kong, and Ying-Cheng Lai
Abstract要約: トレーニングデータにノイズを注入することで,状態変数の短期的予測とシステムアトラクターの長期的予測の両方に有意な利益をもたらす共鳴が生じることが判明した。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Can noise be beneficial to machine-learning prediction of chaotic systems? Utilizing reservoir computers as a paradigm, we find that injecting noise to the training data can induce a stochastic resonance with significant benefits to both short-term prediction of the state variables and long-term prediction of the attractor of the system. A key to inducing the stochastic resonance is to include the amplitude of the noise in the set of hyperparameters for optimization. By so doing, the prediction accuracy, stability and horizon can be dramatically improved. The stochastic resonance phenomenon is demonstrated using two prototypical high-dimensional chaotic systems.
Abstract（参考訳）: カオスシステムの機械学習予測にはノイズが有効か? 貯水池コンピュータをパラダイムとして、トレーニングデータにノイズを注入することで、状態変数の短期的予測とシステムの誘引者の長期的予測の両方に有意な利益をもたらす確率的共振を誘導できることを見出した。確率共鳴を誘導する鍵は、最適化のためのハイパーパラメータのセットに雑音の振幅を含めることである。これにより、予測精度、安定性、地平線が劇的に改善される。確率共鳴現象は、2つの原始的な高次元カオスシステムを用いて示される。

関連論文リスト

Stochastic action for the entanglement of a noisy monitored two-qubit system [55.2480439325792]
局所的な一意雑音が局所的なモニタリングおよび量子間カップリングを受ける2ビット系の絡み合い進化に及ぼす影響について検討した。チャンタスリ・ドルッセル・ヨルダン経路積分に雑音を組み込んでハミルトニアンを構築し、それを最適絡み合い力学の同定に利用する。長時間定常エンタングルメントの数値解析により,コンカレンスと雑音強度の非単調な関係が明らかとなった。
論文参考訳（メタデータ） (2024-03-13T11:14:10Z)
Randomised benchmarking for characterizing and forecasting correlated processes [8.788375252357945]
本研究では,時間的相関雑音の詳細を学習する手法を開発した。特に、システム+バスの時間非依存進化演算子を学習することができる。超伝導量子プロセッサに実装することでこれを実証する。
論文参考訳（メタデータ） (2023-12-11T01:55:44Z)
Learning noise-induced transitions by multi-scaling reservoir computing [2.9170682727903863]
我々は、雑音による遷移を学習するために、リカレントニューラルネットワークの一種として貯水池コンピューティングという機械学習モデルを開発する。トレーニングされたモデルは、遷移時間と遷移回数の正確な統計を生成する。また、二重井戸ポテンシャルの非対称性、非詳細バランスによる回転力学、多安定系の遷移も認識している。
論文参考訳（メタデータ） (2023-09-11T12:26:36Z)
Autonomous coherence protection of a two-level system in a fluctuating environment [68.8204255655161]
我々は、もともと、相互作用しない2レベルシステム(量子ビット)のアンサンブルから静的ドップラー拡大の効果を取り除くことを意図したスキームを再検討する。このスキームははるかに強力であり、時間と空間に依存するノイズから単一(あるいはアンサンブル)量子ビットのエネルギーレベルを保護できることを示した。
論文参考訳（メタデータ） (2023-02-08T01:44:30Z)
Improve Noise Tolerance of Robust Loss via Noise-Awareness [60.34670515595074]
本稿では,NARL-Adjuster(NARL-Adjuster for brevity)と呼ばれる,ハイパーパラメータ予測関数を適応的に学習するメタラーニング手法を提案する。 4つのSOTAロバストな損失関数を我々のアルゴリズムに統合し,提案手法の一般性および性能をノイズ耐性と性能の両面で検証した。
論文参考訳（メタデータ） (2023-01-18T04:54:58Z)
Stabilizing Machine Learning Prediction of Dynamics: Noise and Noise-inspired Regularization [58.720142291102135]
近年、機械学習(ML)モデルはカオス力学系の力学を正確に予測するために訓練可能であることが示されている。緩和技術がなければ、この技術は人工的に迅速にエラーを発生させ、不正確な予測と/または気候不安定をもたらす可能性がある。トレーニング中にモデル入力に付加される多数の独立雑音実効化の効果を決定論的に近似する正規化手法であるLinearized Multi-Noise Training (LMNT)を導入する。
論文参考訳（メタデータ） (2022-11-09T23:40:52Z)
Control-enhanced quantum metrology under Markovian noise [10.626708718934022]
本稿では,現実的な雑音を抑えるために,制御強化型量子メトロジー手法を提案する。実演として、いくつかの典型的なマルコフノイズチャネルの下での周波数推定問題に適用する。提案手法は性能が向上し,最大1桁の精度で推定精度が向上することを示す。
論文参考訳（メタデータ） (2022-11-03T13:39:47Z)
Conditional Diffusion Probabilistic Model for Speech Enhancement [101.4893074984667]
本稿では,観測された雑音の音声信号の特徴を拡散・逆過程に組み込む新しい音声強調アルゴリズムを提案する。本実験では, 代表的な生成モデルと比較して, 提案手法の強い性能を示す。
論文参考訳（メタデータ） (2022-02-10T18:58:01Z)
Consistency Regularization for Certified Robustness of Smoothed Classifiers [89.72878906950208]
最近のランダムな平滑化技術は、最悪の$ell$-robustnessを平均ケースのロバストネスに変換することができることを示している。その結果,スムーズな分類器の精度と信頼性の高いロバスト性とのトレードオフは,ノイズに対する予測一貫性の規則化によって大きく制御できることが判明した。
論文参考訳（メタデータ） (2020-06-07T06:57:43Z)
Efficient choice of coloured noises in stochastic dynamics of open quantum systems [0.0]
リウヴィル・フォン・ノイマン方程式は、非マルコフ調和環境と結合した密度行列の力学を記述する。本稿では, 雑音振幅低減法に基づいて, この種の色付きノイズを生成できるスキームを多数提示する。使用するパラメータに最適であるスキームを同定し、等級の収束を改善し、シミュレーションにより利用できる時間を増大させる。
論文参考訳（メタデータ） (2020-06-02T18:23:34Z)

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。