Fugu-MT 論文翻訳(概要): Matrix representations of spiking neural P systems: Revisited

論文の概要: Matrix representations of spiking neural P systems: Revisited

arxiv url: http://arxiv.org/abs/2211.15156v1
Date: Mon, 28 Nov 2022 09:09:07 GMT
ステータス: 処理完了
システム内更新日: 2022-11-29 16:43:08.988486
Title: Matrix representations of spiking neural P systems: Revisited
Title（参考訳）: スパイキング神経p系のマトリックス表現:再検討
Authors: Henry N. Adorna
Abstract要約: コンフィグレーションの到達可能性の概念は、SNPシステムと無遅延システムの両方において考慮されている。 SNPシステムの遅延を考慮した場合、次の構成のより優れた計算が提案される。
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: In the 2010, matrix representation of SN P system without delay was presented while in the case of SN P systems with delay, matrix representation was suggested in the 2017. These representations brought about series of simulation of SN P systems using computer software and hardware technology. In this work, we revisit these representation and provide some observations on the behavior of the computations of SN P systems. The concept of reachability of configuration is considered in both SN P systems with and without delays. A better computation of next configuration is proposed in the case of SN P system with delay.
Abstract（参考訳）: 2010年、遅延のないsn pシステムの行列表現が提示され、遅延のあるsn pシステムの場合、2017年に行列表現が提案された。これらの表現は、コンピュータソフトウェアとハードウェア技術を用いたsn pシステムの一連のシミュレーションをもたらした。本研究では,これらの表現を再検討し,sn p系の計算の挙動について考察する。構成の到達可能性の概念は、sn pシステムと遅延のないシステムの両方において考慮される。 SNPシステムの遅延を考慮した場合、次の構成のより良い計算法を提案する。

関連論文リスト

Parameter-Adaptive Approximate MPC: Tuning Neural-Network Controllers without Retraining [50.00291020618743]
この研究は、大規模なデータセットを再計算し、再トレーニングすることなくオンラインチューニングが可能な、新しいパラメータ適応型AMPCアーキテクチャを導入している。資源制約の厳しいマイクロコントローラ(MCU)を用いた2種類の実カートポールシステムの揺らぎを制御し,パラメータ適応型AMPCの有効性を示す。これらの貢献は、現実世界のシステムにおけるAMPCの実践的応用に向けた重要な一歩である。
論文参考訳（メタデータ） (2024-04-08T20:02:19Z)
Sub-linear Regret in Adaptive Model Predictive Control [56.705978425244496]
本稿では,STT-MPC (Self-Tuning tube-based Model Predictive Control) について述べる。システム力学を最初に認識したアルゴリズムと比較して,アルゴリズムの後悔を解析する。
論文参考訳（メタデータ） (2023-10-07T15:07:10Z)
Privacy-preserving Linear Computations in Spiking Neural P Systems [0.0]
スパイキングニューラルPシステム(Spike Neural P systems)は、生体ニューロンから直接インスパイアされた膜コンピューティングモデルの一種である。本稿では,リモートサーバにホストされたSNPシステムを用いて,クライアントが線形関数を計算できる新しいプライバシ保護プロトコルを提案する。
論文参考訳（メタデータ） (2023-09-25T01:16:18Z)
The Predictive Forward-Forward Algorithm [79.07468367923619]
本稿では,ニューラルネットワークにおける信頼割当を行うための予測フォワード(PFF)アルゴリズムを提案する。我々は,有向生成回路と表現回路を同時に同時に学習する,新しい動的リカレントニューラルネットワークを設計する。 PFFは効率よく学習し、学習信号を伝達し、フォワードパスのみでシナプスを更新する。
論文参考訳（メタデータ） (2023-01-04T05:34:48Z)
Properties of SN P system and its Configuration Graph [0.0]
SNPシステムの基本状態方程式として構成の到達可能性に関するこれまでの結果を参照する。本稿では,SNP系の挙動と構造について,遅延のない予備検討を行う。
論文参考訳（メタデータ） (2022-11-28T09:16:15Z)
Fluid Batching: Exit-Aware Preemptive Serving of Early-Exit Neural Networks on Edge NPUs [74.83613252825754]
スマートエコシステム(smart ecosystems)"は、スタンドアロンではなく、センセーションが同時に行われるように形成されています。これはデバイス上の推論パラダイムを、エッジにニューラル処理ユニット(NPU)をデプロイする方向にシフトしている。そこで本研究では,実行時のプリエンプションが到着・終了プロセスによってもたらされる動的性を考慮に入れた,新しい早期終了スケジューリングを提案する。
論文参考訳（メタデータ） (2022-09-27T15:04:01Z)
A multi-domain virtual network embedding algorithm with delay prediction [7.636572411449277]
遅延予測(DP-VNE)に基づくマルチドメイン仮想ネットワーク埋め込みアルゴリズムを提案する。提案アルゴリズムは,他の指標に影響を与えないまま,システム遅延を大幅に低減することができる。
論文参考訳（メタデータ） (2022-02-03T08:58:49Z)
Space-Time Graph Neural Networks [104.55175325870195]
本研究では、時空間グラフニューラルネットワーク(ST-GNN)を導入し、時間変動ネットワークデータの時空間トポロジを共同処理する。解析の結果,システムのネットワークトポロジと時間進化の変動はST-GNNの性能に大きく影響しないことがわかった。
論文参考訳（メタデータ） (2021-10-06T16:08:44Z)
Deep Reinforcement Learning Based Networked Control with Network Delays for Signal Temporal Logic Specifications [0.0]
本稿では,信号時間論理(STL)仕様のネットワーク遅延を考慮したネットワーク型制御器の深層強化学習に基づく設計を提案する。 STLの公式の満足度は、現在の状態だけでなくシステムの挙動にも基づくため、マルコフ決定プロセス(MDP)の拡張を提案する。我々は$taudelta$-MDPに基づいて深層ニューラルネットワークを構築し,学習アルゴリズムを提案する。
論文参考訳（メタデータ） (2021-08-03T06:33:12Z)
Which Neural Network to Choose for Post-Fault Localization, Dynamic State Estimation and Optimal Measurement Placement in Power Systems? [4.416484585765027]
本稿では,PMU(Phasor Measurement Units)によって監視される電力伝送システムについて検討する。まず,故障線を同定するニューラルネットワーク(nns)の包括的シーケンスを設計する。第2に,プレフォールト状態が与えられた場合にトレーニングした先進的なPower-System-Dynamics-InformedおよびNeural-ODEベースの機械学習スキームを構築し,その状態を予測する。第三に、最初の(フォールトローカリゼーション)設定で作業を続け、最適なPMU配置を発見する(NNベースの)アルゴリズムを設計します。
論文参考訳（メタデータ） (2021-04-07T13:35:55Z)
Lipschitz Recurrent Neural Networks [100.72827570987992]
我々のリプシッツ再帰ユニットは、他の連続時間RNNと比較して、入力やパラメータの摂動に対してより堅牢であることを示す。実験により,Lipschitz RNNは,ベンチマークタスクにおいて,既存のリカレントユニットよりも優れた性能を発揮することが示された。
論文参考訳（メタデータ） (2020-06-22T08:44:52Z)

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。