Fugu-MT 論文翻訳(概要): Coevolving Boolean and Multi-Valued Regulatory Networks

論文の概要: Coevolving Boolean and Multi-Valued Regulatory Networks

arxiv url: http://arxiv.org/abs/2302.01694v1
Date: Fri, 3 Feb 2023 12:48:33 GMT
ステータス: 処理完了
システム内更新日: 2023-02-06 16:28:08.241410
Title: Coevolving Boolean and Multi-Valued Regulatory Networks
Title（参考訳）: ブールネットワークと多値制御ネットワークの共進化
Authors: Larry Bull
Abstract要約: 遺伝子状態の数を増やす効果を探索するモデルの改良形式が以前にも紹介されている。本稿では、これらの離散力学ネットワークを、結合された頑丈なフィットネスランドスケープ内で共進化させ、それらの振る舞いを探索する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Random Boolean networks have been used widely to explore aspects of gene regulatory networks. A modified form of the model through which to systematically explore the effects of increasing the number of gene states has previously been introduced. In this paper, these discrete dynamical networks are coevolved within coupled, rugged fitness landscapes to explore their behaviour. Results suggest the general properties of the Boolean model remain with higher valued logic regardless of the update scheme or fitness sampling method. Introducing topological asymmetry in the coevolving networks is seen to alter behaviour.
Abstract（参考訳）: ランダムブールネットワークは遺伝子制御ネットワークの側面を探るために広く利用されている。遺伝子数を増やす効果を体系的に探求するモデルの改良形式が、これまで紹介されてきた。本稿では,これらの離散力学ネットワークは,結合した頑丈な運動環境の中で共進化し,それらの行動を探索する。その結果,booleanモデルの汎用性は,更新スキームや適合サンプリング法に関わらず,高い値の論理に留まっていることが示唆された。共進化ネットワークにおける位相的非対称性の導入は行動を変化させる。

関連論文リスト

Neural Residual Diffusion Models for Deep Scalable Vision Generation [17.931568104324985]
我々は,統一的かつ大規模に拡張可能なニューラルネットワーク残差拡散モデルフレームワーク(Neural-RDM)を提案する。提案したニューラル残差モデルは、画像およびビデオ生成ベンチマークの最先端スコアを取得する。
論文参考訳（メタデータ） (2024-06-19T04:57:18Z)
Generalisation to unseen topologies: Towards control of biological neural network activity [0.0]
本稿では、この一般化問題を調査するために、異なるトポロジを持つニューロンネットワークを手続き的に生成する環境を導入する。既存のトランスベースのアーキテクチャを調整し、深部RLエージェントの一般化性能を評価する。エージェントは、限られた数のトレーニングネットワークから見えないテストネットワークへの制御を一般化する能力を示す。
論文参考訳（メタデータ） (2024-06-17T13:53:39Z)
Analysing the Behaviour of Tree-Based Neural Networks in Regression Tasks [3.912345988363511]
本稿では、回帰課題の文脈において、木に基づくニューラルネットワークモデルの振る舞いを復号化するための取り組みを行う。我々は,ツリーベースのCNN,Code2Vec,Transformerベースのメソッドといった確立されたモデルの応用を拡張し,ASTに解析することでソースコードの実行時間を予測する。提案するデュアルトランスは,多様なデータセットにまたがる顕著な適応性とロバストな性能を示す。
論文参考訳（メタデータ） (2024-06-17T11:47:14Z)
Enhancing lattice kinetic schemes for fluid dynamics with Lattice-Equivariant Neural Networks [79.16635054977068]
我々はLattice-Equivariant Neural Networks (LENNs)と呼ばれる新しい同変ニューラルネットワークのクラスを提案する。我々の手法は、ニューラルネットワークに基づく代理モデルLattice Boltzmann衝突作用素の学習を目的とした、最近導入されたフレームワーク内で開発されている。本研究は,実世界のシミュレーションにおける機械学習強化Lattice Boltzmann CFDの実用化に向けて展開する。
論文参考訳（メタデータ） (2024-05-22T17:23:15Z)
Subhomogeneous Deep Equilibrium Models [5.1334640820688175]
暗黙のニューラルネットワークは、様々なアプリケーションにおける従来のネットワークの強力な代替手段として成長してきた。これらのモデルは、しばしば存在と独自性の保証を欠き、安定性、性能、問題を高める。我々は,非同次作用素の概念と非線形ペロン・フロベニウス理論に基づく暗黙深度ニューラルネットワークにおける固定点の存在と特異性について,新たな解析を行った。
論文参考訳（メタデータ） (2024-03-01T18:12:46Z)
From NeurODEs to AutoencODEs: a mean-field control framework for width-varying Neural Networks [68.8204255655161]
本稿では,動的に駆動する制御フィールドをベースとした,AutoencODEと呼ばれる新しいタイプの連続時間制御システムを提案する。損失関数が局所凸な領域では,多くのアーキテクチャが復元可能であることを示す。
論文参考訳（メタデータ） (2023-07-05T13:26:17Z)
How neural networks learn to classify chaotic time series [77.34726150561087]
本研究では,通常の逆カオス時系列を分類するために訓練されたニューラルネットワークの内部動作について検討する。入力周期性とアクティベーション周期の関係は,LKCNNモデルの性能向上の鍵となる。
論文参考訳（メタデータ） (2023-06-04T08:53:27Z)
Generalization and Estimation Error Bounds for Model-based Neural Networks [78.88759757988761]
スパースリカバリのためのモデルベースネットワークの一般化能力は、通常のReLUネットワークよりも優れていることを示す。我々は,高一般化を保証したモデルベースネットワークの構築を可能にする実用的な設計規則を導出する。
論文参考訳（メタデータ） (2023-04-19T16:39:44Z)
Backpropagation on Dynamical Networks [0.0]
本稿では,リカレントニューラルネットワークのトレーニングによく使用されるBPTTアルゴリズムに基づくネットワーク推論手法を提案する。局所ノードダイナミクスの近似は、まずニューラルネットワークを用いて構築される。得られた局所モデルと重み付けによるフリーラン予測性能は、真のシステムに匹敵することがわかった。
論文参考訳（メタデータ） (2022-07-07T05:22:44Z)
Topographic VAEs learn Equivariant Capsules [84.33745072274942]
本稿では, 地理的に整理された潜伏変数を用いた深部生成モデルを効率的に学習するための新しい手法であるTopographic VAEを紹介する。このようなモデルでは,MNIST上での桁数クラス,幅,スタイルなどの健全な特徴に応じて,その活性化を組織化することが実際に学べることが示される。我々は、既存の群同変ニューラルネットワークの能力を拡張して、複素変換に近似した同値性を示す。
論文参考訳（メタデータ） (2021-09-03T09:25:57Z)
Epigenetic evolution of deep convolutional models [81.21462458089142]
我々は、より深い畳み込みモデルを進化させるために、これまで提案されていた神経進化の枠組みを構築した。異なる形状と大きさのカーネルを同一層内に共存させる畳み込み層配置を提案する。提案したレイアウトにより、畳み込み層内の個々のカーネルのサイズと形状を、対応する新しい突然変異演算子で進化させることができる。
論文参考訳（メタデータ） (2021-04-12T12:45:16Z)

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。