Fugu-MT 論文翻訳(概要): Towards replicated algorithms

論文の概要: Towards replicated algorithms

arxiv url: http://arxiv.org/abs/2304.13524v1
Date: Fri, 31 Mar 2023 08:56:54 GMT
ステータス: 処理完了
システム内更新日: 2023-04-30 07:19:28.210937
Title: Towards replicated algorithms
Title（参考訳）: 複製アルゴリズムに向けて
Authors: Iztok Fister Jr. and Iztok Fister
Abstract要約: この論文では、人間の脳を開発するという概念にインスパイアされた、いわゆる複製アルゴリズムを紹介します。人間の脳と同様に、思考のプロセスが強く並列であるように、複製されたアルゴリズムは自分自身を複製し、問題を並列に解決する。
参考スコア（独自算出の注目度）: 2.535671322516818
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The main deficiency of the algorithms running on digital computers nowadays is their inability to change themselves during the execution. In line with this, the paper introduces the so-called replicated algorithms, inspired by the concept of developing a human brain. Similar to the human brain, where the process of thinking is strongly parallel, replicated algorithms, incorporated into a population, are also capable of replicating themselves and solving problems in parallel. They operate as a model for mapping the known input to a known output. In our preliminary study, these algorithms are built as sequences of arithmetic operators, applied for calculating arithmetic expressions, while their behavior showed that they can operate in the condition of open-ended evolution.
Abstract（参考訳）: 現在、デジタルコンピュータ上で実行されるアルゴリズムの主な欠点は、実行中に自分自身を変えることができないことである。この論文は、人間の脳を開発するという概念に触発された、いわゆる複製アルゴリズムを紹介している。人間の脳と同様に、思考の過程は強く平行であり、複製されたアルゴリズムは集団に組み込まれており、自分自身を複製し、問題を並列に解くことができる。既知の入力を既知の出力にマッピングするモデルとして動作する。予備研究では、これらのアルゴリズムは算術演算子のシーケンスとして構築され、算術式計算に応用され、それらの動作は、それらが開放された進化の状態で動作できることを示しました。

関連論文リスト

Discrete Neural Algorithmic Reasoning [18.497863598167257]
本稿では,有限状態の組合せとして,ニューラル推論器に実行軌跡の維持を強制することを提案する。アルゴリズムの状態遷移の監督で訓練されたモデルでは、元のアルゴリズムと完全に整合することができる。
論文参考訳（メタデータ） (2024-02-18T16:03:04Z)
The Clock and the Pizza: Two Stories in Mechanistic Explanation of Neural Networks [59.26515696183751]
ニューラルネットワークにおけるアルゴリズム発見は、時としてより複雑であることを示す。単純な学習問題でさえ、驚くほど多様なソリューションを許容できることが示されています。
論文参考訳（メタデータ） (2023-06-30T17:59:13Z)
Bio-inspired Machine Learning: programmed death and replication [0.0]
システムにニューロンを追加したり、システムからニューロンを取り除いたりするための機械学習アルゴリズムを開発した。プログラムされた死アルゴリズムはニューラルネットワークの圧縮に利用でき、複製アルゴリズムは、既に訓練済みのニューラルネットワークの性能向上に利用することができると論じる。バイオインスパイアされたアルゴリズムの計算上の利点は、MNISTデータセット上でフィードフォワードニューラルネットワークをトレーニングすることによって示される。
論文参考訳（メタデータ） (2022-06-30T10:44:12Z)
Neurocompositional computing: From the Central Paradox of Cognition to a new generation of AI systems [120.297940190903]
AIの最近の進歩は、限られた形態のニューロコンフォメーションコンピューティングの使用によってもたらされている。ニューロコンポジションコンピューティングの新しい形式は、より堅牢で正確で理解しやすいAIシステムを生み出します。
論文参考訳（メタデータ） (2022-05-02T18:00:10Z)
End-to-end Algorithm Synthesis with Recurrent Networks: Logical Extrapolation Without Overthinking [52.05847268235338]
機械学習システムが問題を過度に考えずに論理的外挿を行う方法を示す。本稿では,問題インスタンスの明示的なコピーをメモリに保持して,それを忘れないようにするリコールアーキテクチャを提案する。また、モデルが数に固有の行動を学ぶのを防ぎ、無期限に繰り返される行動を学ぶためにモデルをプッシュするプログレッシブトレーニングルーチンも採用しています。
論文参考訳（メタデータ） (2022-02-11T18:43:28Z)
Towards algorithm-free physical equilibrium model of computing [0.0]
新しい計算モデルが提案され、アルゴリズムの逐次パラダイムを物理プロセスの固有の並列性に置き換える。平衡状態が所望の解に対応する物理系を構築し、解を探すためにそれらを進化させる。モデルの主な要件は特定され、潜在的な実装のために量子回路が提案される。
論文参考訳（メタデータ） (2021-11-30T09:48:39Z)
Unsupervised Behaviour Discovery with Quality-Diversity Optimisation [1.0152838128195467]
品質多様性アルゴリズム(Quality-Diversity algorithm)は、与えられた問題に対する多様な高性能なソリューションの集合を見つけるために設計された進化的アルゴリズムのクラスを指す。ロボット工学において、そのようなアルゴリズムはロボットの動作のほとんどをカバーするコントローラーの集合を生成するのに使用できる。本稿では,自律型ロボットの能力を実現するアルゴリズムについて紹介する。
論文参考訳（メタデータ） (2021-06-10T10:40:18Z)
Neural Algorithmic Reasoning [11.566653801306844]
我々はアルゴリズムが深層学習法と根本的に異なる性質を持っていると論じる。学習アルゴリズムの連続空間における要素を表現することによって、ニューラルネットワークは既知のアルゴリズムを現実世界の問題により密接に適応することができる。
論文参考訳（メタデータ） (2021-05-06T15:33:57Z)
Evolving Reinforcement Learning Algorithms [186.62294652057062]
メタラーニング強化学習アルゴリズムの手法を提案する。学習アルゴリズムはドメインに依存しないため、トレーニング中に見えない新しい環境に一般化することができる。従来の制御タスク、gridworld型タスク、atariゲームよりも優れた一般化性能を得る2つの学習アルゴリズムに注目した。
論文参考訳（メタデータ） (2021-01-08T18:55:07Z)
Coded Distributed Computing with Partial Recovery [56.08535873173518]
部分回復型符号化計算(CCPR)と呼ばれる新しい符号化行列ベクトル乗法を導入する。 CCPRは計算時間と復号化の複雑さを減らし、精度と計算速度のトレードオフを可能にする。次に、この手法をより一般的な計算タスクの分散実装に拡張し、部分的回復を伴う符号化通信方式を提案する。
論文参考訳（メタデータ） (2020-07-04T21:34:49Z)
Spiking Neural Networks Hardware Implementations and Challenges: a Survey [53.429871539789445]
スパイキングニューラルネットワークは、ニューロンとシナプスの操作原理を模倣する認知アルゴリズムである。スパイキングニューラルネットワークのハードウェア実装の現状について述べる。本稿では,これらのイベント駆動アルゴリズムの特性をハードウェアレベルで活用するための戦略について論じる。
論文参考訳（メタデータ） (2020-05-04T13:24:00Z)

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。