Fugu-MT 論文翻訳(概要): Vision-based route following by an embodied insect-inspired sparse neural network

論文の概要: Vision-based route following by an embodied insect-inspired sparse neural network

arxiv url: http://arxiv.org/abs/2303.08109v2
Date: Fri, 31 Mar 2023 21:54:06 GMT
ステータス: 処理完了
システム内更新日: 2023-04-04 20:52:22.676206
Title: Vision-based route following by an embodied insect-inspired sparse neural network
Title（参考訳）: 昆虫にインスパイアされたスパースニューラルネットワークによる視覚経路の追従
Authors: Lu Yihe, Rana Alkhoury Maroun, Barbara Webb
Abstract要約: 昆虫にインスパイアされたスパースニューラルネットワークであるFlyHashモデルの効率を、具体的ナビゲーションタスクにおいて類似しているが非スパースモデルと比較した。これは、現在の視覚入力とトレーニングルートに沿って記憶されている記憶を比較することで、ステアリングを制御するモデルを必要とする。 FlyHashモデルは、特にデータエンコーディングの点で、他のモデルよりも効率的である、と結論付けました。
参考スコア（独自算出の注目度）: 1.7403133838762446
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: We compared the efficiency of the FlyHash model, an insect-inspired sparse neural network (Dasgupta et al., 2017), to similar but non-sparse models in an embodied navigation task. This requires a model to control steering by comparing current visual inputs to memories stored along a training route. We concluded the FlyHash model is more efficient than others, especially in terms of data encoding.
Abstract（参考訳）: 昆虫に触発されたスパースニューラルネットワーク(dasgupta et al., 2017)であるflyhashモデルの効率を,具体化されたナビゲーションタスクにおいて類似しているが非スパースモデルと比較した。これには、現在の視覚入力とトレーニングルートに格納されたメモリを比較することによって、ステアリングを制御するモデルが必要である。 FlyHashモデルは、特にデータエンコーディングの点で、他のモデルよりも効率的である、と結論付けました。

関連論文リスト

The EarlyBird Gets the WORM: Heuristically Accelerating EarlyBird Convergence [0.0]
Early Bird仮説は、高密度ニューラルネットワークで当選した宝くじを見つけるための効率的なアルゴリズムを提案する。探索終端付近の非重要なニューロン群を非変化的に活用する手法であるWORMを提案する。実験によると、WORMは、計算オーバーヘッドが増大しているにもかかわらず、畳み込みニューラルネットワークのトレーニング中に、より高速なチケット識別を実現する。
論文参考訳（メタデータ） (2024-05-31T05:13:02Z)
Comparison of self-supervised in-domain and supervised out-domain transfer learning for bird species recognition [0.19183348587701113]
別のタスクを支援するために事前訓練されたモデルの重みを移すことは、現代のディープラーニングの重要な部分となっている。本実験は,鳥種認識のためのドメイン内モデルとデータセットの有用性を実証するものである。
論文参考訳（メタデータ） (2024-04-26T08:47:28Z)
Data-efficient Large Vision Models through Sequential Autoregression [58.26179273091461]
限られたデータセットに基づいて,効率的な自己回帰に基づく視覚モデルを構築する。このモデルは,高レベル・低レベルのセマンティック理解の両方にまたがる視覚的タスクにおいて,その習熟度をいかに達成するかを実証する。我々の経験的評価は、モデルが様々なタスクに適応する際の機敏さを強調し、パラメータフットプリントの大幅な削減を図った。
論文参考訳（メタデータ） (2024-02-07T13:41:53Z)
CARLA-GeAR: a Dataset Generator for a Systematic Evaluation of Adversarial Robustness of Vision Models [61.68061613161187]
本稿では,合成データセットの自動生成ツールであるCARLA-GeARについて述べる。このツールは、Python APIを使用して、CARLAシミュレータ上に構築されており、自律運転のコンテキストにおいて、いくつかのビジョンタスク用のデータセットを生成することができる。本稿では,CARLA-GeARで生成されたデータセットが,現実世界の敵防衛のベンチマークとして今後どのように利用されるかを示す。
論文参考訳（メタデータ） (2022-06-09T09:17:38Z)
Network Augmentation for Tiny Deep Learning [73.57192520534585]
ニューラルネットワークの性能向上のための新しいトレーニング手法であるNetAug(Net Aug)を紹介する。画像分類と物体検出におけるNetAugの有効性を示す。
論文参考訳（メタデータ） (2021-10-17T18:48:41Z)
Self-supervised Audiovisual Representation Learning for Remote Sensing Data [96.23611272637943]
遠隔センシングにおける深層ニューラルネットワークの事前学習のための自己教師型アプローチを提案する。ジオタグ付きオーディオ記録とリモートセンシングの対応を利用して、これは完全にラベルなしの方法で行われる。提案手法は,既存のリモートセンシング画像の事前学習方法よりも優れていることを示す。
論文参考訳（メタデータ） (2021-08-02T07:50:50Z)
STAR: Sparse Transformer-based Action Recognition [61.490243467748314]
本研究は,空間的次元と時間的次元に細かな注意を払っている新しいスケルトンに基づく人間行動認識モデルを提案する。実験により、トレーニング可能なパラメータをはるかに少なくし、トレーニングや推論の高速化を図りながら、モデルが同等のパフォーマンスを達成できることが示されている。
論文参考訳（メタデータ） (2021-07-15T02:53:11Z)
Aedes-AI: Neural Network Models of Mosquito Abundance [0.0]
本研究では,フィードフォワードニューラルネットワーク,短期メモリゲート型ニューラルネットワーク,リカレントユニットを開発した。蚊集団の反復的な特徴を機械的モデルにより再現できるネットワークの評価を行った。我々は,このような方程式のないモデルがベクトル制御や任意の空間スケールでの疾病リスクの予測をいかに促進するかを展望する。
論文参考訳（メタデータ） (2021-04-21T21:28:03Z)
Retrieval Augmentation to Improve Robustness and Interpretability of Deep Neural Networks [3.0410237490041805]
本研究では,深層ニューラルネットワークの堅牢性と解釈性を改善するために,トレーニングデータを積極的に活用する。具体的には、LSTMモデルのメモリ状態を初期化したり、注意機構を誘導するために、最も近い入力例のターゲットを用いる。その結果,Flickr8 と IMDB の2つのタスクに対して提案したモデルの有効性が示された。
論文参考訳（メタデータ） (2021-02-25T17:38:31Z)
Continual learning using hash-routed convolutional neural networks [0.0]
継続的な学習は、機械学習のパラダイムをデータ中心からモデル中心へとシフトさせる可能性がある。我々は、データを動的に流れる畳み込みユニットのグループである、ハッシュロート畳み込みニューラルネットワークを導入する。ハッシュロートネットワークは、様々な典型的な連続学習ベンチマークにおいて優れた性能を発揮する。
論文参考訳（メタデータ） (2020-10-09T07:48:37Z)
Reservoir Memory Machines as Neural Computers [70.5993855765376]
微分可能なニューラルネットワークは、干渉することなく明示的なメモリで人工ニューラルネットワークを拡張する。我々は、非常に効率的に訓練できるモデルを用いて、微分可能なニューラルネットワークの計算能力を実現する。
論文参考訳（メタデータ） (2020-09-14T12:01:30Z)

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。