論文の概要: Criticality Analysis: Bio-inspired Nonlinear Data Representation
- arxiv url: http://arxiv.org/abs/2305.14361v1
- Date: Thu, 11 May 2023 19:02:09 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-28 04:49:33.584619
- Title: Criticality Analysis: Bio-inspired Nonlinear Data Representation
- Title（参考訳）: 臨界解析:バイオインスパイアされた非線形データ表現
- Authors: Tjeerd V. olde Scheper
- Abstract要約: 臨界分析(英語:Criticality Analysis、CA)は、制御された自己組織的臨界システム内の情報表現のバイオインスパイアされた方法である。
入力は、全体データの特徴を保持する射影出力に次元的に還元できるが、より単純な動的応答を持つ。
CA法は、生体システムへの任意の入力の生物学的に関連性のあるエンコーディング機構を可能にし、生物の様々な複雑さにおける情報処理に適したモデルを作成する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The representation of arbitrary data in a biological system is one of the
most elusive elements of biological information processing. The often
logarithmic nature of information in amplitude and frequency presented to
biosystems prevents simple encapsulation of the information contained in the
input. Criticality Analysis (CA) is a bio-inspired method of information
representation within a controlled self-organised critical system that allows
scale-free representation. This is based on the concept of a reservoir of
dynamic behaviour in which self-similar data will create dynamic nonlinear
representations. This unique projection of data preserves the similarity of
data within a multidimensional neighbourhood. The input can be reduced
dimensionally to a projection output that retains the features of the overall
data, yet has much simpler dynamic response. The method depends only on the
rate control of chaos applied to the underlying controlled models, that allows
the encoding of arbitrary data, and promises optimal encoding of data given
biological relevant networks of oscillators. The CA method allows for a
biologically relevant encoding mechanism of arbitrary input to biosystems,
creating a suitable model for information processing in varying complexity of
organisms and scale-free data representation for machine learning.
- Abstract（参考訳）: 生物系における任意のデータの表現は、生物情報処理の最も不可解な要素の1つである。
生体システムに提示される振幅と周波数における情報の対数的性質は、入力に含まれる情報の単純なカプセル化を防ぐ。
臨界解析(英: criticality analysis、ca)は、生物にインスパイアされた、無スケール表現を可能にする自己組織的臨界システム内の情報表現の手法である。
これは、自己相似データが動的非線形表現を生成する動的振る舞いの貯水池の概念に基づいている。
このユニークなデータ投影は多次元近傍におけるデータの類似性を保存する。
入力は、全体的なデータの特徴を保持する投影出力に次元的に縮小できるが、より単純な動的応答を持つ。
この方法は、任意のデータのエンコーディングを可能にする基盤となる制御モデルに適用されるカオスのレート制御にのみ依存し、振動子の生物学的関連ネットワークが与えられたデータの最適なエンコーディングを約束する。
CA法は、生体システムへの任意の入力の生物学的に関連する符号化機構を可能にし、生物の複雑さの異なる情報処理に適したモデルと機械学習のためのスケールフリーなデータ表現を作成する。
関連論文リスト
- Heterogeneous quantization regularizes spiking neural network activity [0.0]
本稿では、アナログデータを正規化し、スパイク位相表現に量子化する、データブラインドニューロモルフィック信号条件付け戦略を提案する。
我々は、量子化重みの範囲と密度が蓄積された入力統計に適応するデータ認識キャリブレーションステップを追加することで、このメカニズムを拡張した。
論文 参考訳（メタデータ） (2024-09-27T02:25:44Z) - Synthetic data generation for system identification: leveraging
knowledge transfer from similar systems [0.3749861135832073]
本稿では,データ不足を特徴とするシナリオにおけるモデル一般化とロバスト性の向上を目的とした,新しい合成データ生成手法を提案する。
合成データは、興味あるシステムが属すると考えられる幅広い種類のシステムを記述する、事前訓練されたメタモデルによって生成される。
この手法の有効性は,システム識別プロセスに合成データを組み込むことの利点を強調する数値的な例を通して示される。
論文 参考訳（メタデータ） (2024-03-08T09:09:15Z) - Hyperdimensional computing: a fast, robust and interpretable paradigm
for biological data [9.094234519404907]
多様な生物学的データソースを処理するための新しいアルゴリズムは、バイオインフォマティクスに革命をもたらした。
深層学習は、バイオインフォマティクス、アドレス配列、構造、機能解析を大きく変えてきた。
超次元コンピューティングは興味深い代替手段として登場した。
論文 参考訳（メタデータ） (2024-02-27T15:09:20Z) - A topological classifier to characterize brain states: When shape
matters more than variance [0.0]
トポロジカルデータ分析(TDA)は、永続化記述子を用いてデータ雲の形状を研究することを目的としている。
本稿では,データサブセットへの新たな入力の追加によるトポロジカルメトリクスの定量化変化の原理に基づいた,TDAに基づく新しい分類手法を提案する。
論文 参考訳（メタデータ） (2023-03-07T20:45:15Z) - Capturing Actionable Dynamics with Structured Latent Ordinary
Differential Equations [68.62843292346813]
本稿では,その潜在表現内でのシステム入力の変動をキャプチャする構造付き潜在ODEモデルを提案する。
静的変数仕様に基づいて,本モデルではシステムへの入力毎の変動要因を学習し,潜在空間におけるシステム入力の影響を分離する。
論文 参考訳（メタデータ） (2022-02-25T20:00:56Z) - Discriminative Singular Spectrum Classifier with Applications on
Bioacoustic Signal Recognition [67.4171845020675]
分析や分類に有用な特徴を効率的に抽出する識別機構を備えた生体音響信号分類器を提案する。
タスク指向の現在のバイオ音響認識法とは異なり、提案モデルは入力信号をベクトル部分空間に変換することに依存する。
提案法の有効性は,アヌラン,ミツバチ,蚊の3種の生物音響データを用いて検証した。
論文 参考訳（メタデータ） (2021-03-18T11:01:21Z) - Using Data Assimilation to Train a Hybrid Forecast System that Combines
Machine-Learning and Knowledge-Based Components [52.77024349608834]
利用可能なデータがノイズの多い部分測定の場合,カオスダイナミクスシステムのデータ支援予測の問題を検討する。
動的システムの状態の部分的測定を用いることで、不完全な知識ベースモデルによる予測を改善するために機械学習モデルを訓練できることを示す。
論文 参考訳（メタデータ） (2021-02-15T19:56:48Z) - Sparse PCA via $l_{2,p}$-Norm Regularization for Unsupervised Feature
Selection [138.97647716793333]
再構成誤差を$l_2,p$ノルム正規化と組み合わせることで,単純かつ効率的な特徴選択手法を提案する。
提案する非教師付きモデルを解くための効率的な最適化アルゴリズムを提案し,アルゴリズムの収束と計算の複雑さを理論的に解析する。
論文 参考訳（メタデータ） (2020-12-29T04:08:38Z) - Compact representation of temporal processes in echosounder time series
via matrix decomposition [0.7614628596146599]
本研究では,データに内在する特徴を用いて,時系列のコンパクトな表現を構築する手法を開発した。
この研究は、海洋における大規模で音響に基づく生物学的観測のための堅牢な時系列解析を構築する基盤となる。
論文 参考訳（メタデータ） (2020-07-06T17:33:42Z) - A Trainable Optimal Transport Embedding for Feature Aggregation and its
Relationship to Attention [96.77554122595578]
固定サイズのパラメータ化表現を導入し、与えられた入力セットから、そのセットとトレーニング可能な参照の間の最適な輸送計画に従って要素を埋め込み、集約する。
我々のアプローチは大規模なデータセットにスケールし、参照のエンドツーエンドのトレーニングを可能にすると同時に、計算コストの少ない単純な教師なし学習メカニズムも提供する。
論文 参考訳（メタデータ） (2020-06-22T08:35:58Z) - Active Learning for Nonlinear System Identification with Guarantees [102.43355665393067]
状態遷移が既知の状態-作用対の特徴埋め込みに線形に依存する非線形力学系のクラスについて検討する。
そこで本稿では, トラジェクティブ・プランニング, トラジェクティブ・トラッキング, システムの再推定という3つのステップを繰り返すことで, この問題を解決するためのアクティブ・ラーニング・アプローチを提案する。
本手法は, 非線形力学系を標準線形回帰の統計速度と同様, パラメトリック速度で推定する。
論文 参考訳（メタデータ） (2020-06-18T04:54:11Z)
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。