論文の概要: Seeing double with a multifunctional reservoir computer

• arxiv url: http://arxiv.org/abs/2305.05799v2
• Date: Thu, 19 Oct 2023 09:16:41 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-20 20:43:01.718316
• Title: Seeing double with a multifunctional reservoir computer
• Title（参考訳）: 多機能リザーバコンピュータでダブルを見る
• Authors: Andrew Flynn, Vassilios A. Tsachouridis, Andreas Amann
• Abstract要約: 多機能生物学的ニューラルネットワークは、ネットワーク特性を変更することなく複数のタスクを実行するために、マルチスタビリティを利用する。 本研究では, 貯水池コンピュータが, 相互に重なり合う場合のアトラクタの共存を再構築する方法について検討する。 分岐解析は、RCがカオス状態に入ると多機能性がどのように出現し、破壊されるかを明らかにする。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Multifunctional biological neural networks exploit multistability in order to perform multiple tasks without changing any network properties. Enabling artificial neural networks (ANNs) to obtain certain multistabilities in order to perform several tasks, where each task is related to a particular attractor in the network's state space, naturally has many benefits from a machine learning perspective. Given the association to multistability, in this paper we explore how the relationship between different attractors influences the ability of a reservoir computer (RC), which is a dynamical system in the form of an ANN, to achieve multifunctionality. We construct the `seeing double' problem to systematically study how a RC reconstructs a coexistence of attractors when there is an overlap between them. As the amount of overlap increases, we discover that for multifunctionality to occur, there is a critical dependence on a suitable choice of the spectral radius for the RC's internal network connections. A bifurcation analysis reveals how multifunctionality emerges and is destroyed as the RC enters a chaotic regime that can lead to chaotic itinerancy.
• Abstract（参考訳）: 多機能生体ニューラルネットワークは、ネットワーク特性を変更することなく複数のタスクを実行するために、マルチスタビリティを利用する。 ニューラルネットワーク(ANN)を活用して、複数のタスクを実行するために、各タスクがネットワークの状態空間の特定のアトラクターと関連付けられているような、特定のマルチスタビリティを得る。 本稿では,マルチスタビリティを前提として,異なるアトラクタ間の関係が,ANN方式の動的システムである貯水池コンピュータ(RC)の多機能性を実現する能力にどのように影響するかを考察する。 我々は,rcがアトラクタの共存を再構築する方法を体系的に研究するために,'seeing double'問題を構築した。 重なり合いの量が増えるにつれて、多機能性の発生には、RCの内部ネットワーク接続に対するスペクトル半径の適切な選択に重要な依存があることが分かる。 分岐解析により、多機能性がどのように出現し、RCがカオス状態に入ると破壊されるかが明らかになる。

関連論文リスト

• Renormalized Connection for Scale-preferred Object Detection in Satellite Imagery [51.83786195178233]
  我々は、効率的な特徴抽出の観点から再正規化群理論を実装するために、知識発見ネットワーク(KDN)を設計する。 KDN上の再正規化接続(RC)は、マルチスケール特徴の「相乗的焦点」を可能にする。 RCはFPNベースの検出器のマルチレベル特徴の分割・対数機構を幅広いスケールで予測されたタスクに拡張する。
  論文  参考訳（メタデータ） (2024-09-09T13:56:22Z)
• Exploring the origins of switching dynamics in a multifunctional reservoir computer [0.0]
  貯水池コンピュータ(RC)は、同じ訓練された重量のセットを使用して、同時に複数のアトラクションを再構築する。 ある場合、RCが引き金の共存を再構築できなかった場合、転移性を示す。 本稿では,これらスイッチングダイナミクスの起源を,両立問題によるパラダイム設定で考察する。
  論文  参考訳（メタデータ） (2024-08-27T20:51:48Z)
• Leveraging Low-Rank and Sparse Recurrent Connectivity for Robust Closed-Loop Control [63.310780486820796]
  繰り返し接続のパラメータ化が閉ループ設定のロバスト性にどのように影響するかを示す。 パラメータが少ないクローズドフォーム連続時間ニューラルネットワーク(CfCs)は、フルランクで完全に接続されたニューラルネットワークよりも優れています。
  論文  参考訳（メタデータ） (2023-10-05T21:44:18Z)
• RObotic MAnipulation Network (ROMAN) $\unicode{x2013}$ Hybrid Hierarchical Learning for Solving Complex Sequential Tasks [70.69063219750952]
  ロボットマニピュレーションネットワーク(ROMAN)のハイブリッド階層型学習フレームワークを提案する。 ROMANは、行動クローニング、模倣学習、強化学習を統合することで、タスクの汎用性と堅牢な障害回復を実現する。 実験結果から,これらの専門的な操作専門家の組織化と活性化により,ROMANは高度な操作タスクの長いシーケンスを達成するための適切なシーケンシャルなアクティベーションを生成することがわかった。
  論文  参考訳（メタデータ） (2023-06-30T20:35:22Z)
• Multifunctionality in a Connectome-Based Reservoir Computer [0.0]
  FFRC (fruit fly RC) はベンチマークテストとして'seeing double' 問題を用いて多機能性を示す。 広く使われているErd"os-Renyi Reservoir Computer (ERRC)と比較して,FFRCは多機能性に優れた能力を示す。
  論文  参考訳（メタデータ） (2023-06-02T19:37:38Z)
• Exploring the limits of multifunctionality across different reservoir computers [0.0]
  連続時間, リークインテグレータ, 次世代貯水池コンピュータ(RC)の性能について検討する 我々は各RCを訓練し、異なる力学系からのカオス的誘引器の共存を再構築する。 多機能性を達成するために,各RCにおいて特定のパラメータが持つ重要な効果について検討する。
  論文  参考訳（メタデータ） (2022-05-23T15:06:38Z)
• Disentangling Spatial-Temporal Functional Brain Networks via Twin-Transformers [12.137308815848717]
  機能的脳ネットワーク(BN)を識別し、特徴付ける方法は、脳組織アーキテクチャのメカニズムに関するシステムレベルの洞察を得るのに不可欠である。 本研究では,空間空間と時間空間の両方において,共通かつ個々の機能的ネットワークを同時に推定する新しいツイン・トランスフォーマーフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-04-20T04:57:53Z)
• Learning distinct features helps, provably [98.78384185493624]
  最小二乗損失で訓練された2層ニューラルネットワークによって学習された特徴の多様性について検討する。 隠蔽層の特徴間の平均的な$L$-distanceで多様性を測定する。
  論文  参考訳（メタデータ） (2021-06-10T19:14:45Z)
• Phase Configuration Learning in Wireless Networks with Multiple Reconfigurable Intelligent Surfaces [50.622375361505824]
  RIS(Reconfigurable Intelligent Surfaces)は、電磁波伝搬の動的制御を提供する、高度にスケーラブルな技術である。 RISを内蔵した無線通信における大きな課題の1つは、複数のRISの低オーバーヘッドダイナミックな構成である。 RISの位相構成に対する低複雑さ教師あり学習手法を考案する。
  論文  参考訳（メタデータ） (2020-10-09T05:35:27Z)
• Automated Search for Resource-Efficient Branched Multi-Task Networks [81.48051635183916]
  我々は,多タスクニューラルネットワークにおける分岐構造を自動的に定義する,微分可能なニューラルネットワーク探索に根ざした原理的アプローチを提案する。 本手法は,限られた資源予算内で高い性能の分岐構造を見いだすことができる。
  論文  参考訳（メタデータ） (2020-08-24T09:49:19Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。