論文の概要: Locally adaptive cellular automata for goal-oriented self-organization
- arxiv url: http://arxiv.org/abs/2306.07067v1
- Date: Mon, 12 Jun 2023 12:32:23 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-13 14:39:30.422622
- Title: Locally adaptive cellular automata for goal-oriented self-organization
- Title(参考訳): 目標指向自己組織化のための局所適応型セルオートマトン
- Authors: Sina Khajehabdollahi, Emmanouil Giannakakis, Victor Buendia, Georg
Martius, Anna Levina
- Abstract要約: 本稿では,スケーラブルで表現力のあるモデルを生成するための適応型セルオートマトンモデルを提案する。
本稿では,セルオートマトンとシステム状態の更新ルールを局所的に結合することで,適応を実現する方法を示す。
- 参考スコア(独自算出の注目度): 14.059479351946386
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The essential ingredient for studying the phenomena of emergence is the
ability to generate and manipulate emergent systems that span large scales.
Cellular automata are the model class particularly known for their effective
scalability but are also typically constrained by fixed local rules. In this
paper, we propose a new model class of adaptive cellular automata that allows
for the generation of scalable and expressive models. We show how to implement
computation-effective adaptation by coupling the update rule of the cellular
automaton with itself and the system state in a localized way. To demonstrate
the applications of this approach, we implement two different emergent models:
a self-organizing Ising model and two types of plastic neural networks, a rate
and spiking model. With the Ising model, we show how coupling local/global
temperatures to local/global measurements can tune the model to stay in the
vicinity of the critical temperature. With the neural models, we reproduce a
classical balanced state in large recurrent neuronal networks with excitatory
and inhibitory neurons and various plasticity mechanisms. Our study opens
multiple directions for studying collective behavior and emergence.
- Abstract(参考訳): 出現現象を研究するための重要な要素は、大規模にまたがる創発的なシステムを生成・操作する能力である。
セルオートマトン(cellal automata)は、その効果的なスケーラビリティで特に知られているモデルクラスであるが、通常は固定されたローカルルールによって制限される。
本稿では,スケーラブルで表現豊かなモデルを生成するための適応セルオートマトンの新しいモデルクラスを提案する。
本稿では,セルオートマトンとシステム状態の更新ルールを局所的に結合することで,計算効率を向上させる方法を示す。
このアプローチの適用例を示すために,自己組織型イジングモデルと2種類のプラスティックニューラルネットワーク,レートとスパイクモデルという2つの異なる創発モデルを実装した。
イジングモデルを用いて,局所的/グローバル的温度と局所的/グローバル的な温度との結合が,臨界温度付近に留まるようにモデルを調整できることを示す。
ニューラルモデルを用いて、興奮性および抑制性ニューロンと様々な可塑性機構を持つ大電流ニューロンネットワークにおいて古典的平衡状態を再現する。
我々の研究は集団行動と出現を研究するための複数の方向を開く。
関連論文リスト
- Harnessing Neural Unit Dynamics for Effective and Scalable Class-Incremental Learning [38.09011520275557]
クラスインクリメンタルラーニング(Class-incremental Learning, CIL)は、古いクラスを忘れずに、非定常データストリームから新しいクラスを学ぶためのモデルをトレーニングすることを目的としている。
本稿では、ニューラルネットワークの動作をCILに適応させるニューラルネットワークユニットダイナミクスを調整し、新しい種類のコネクショナリストモデルを提案する。
論文 参考訳(メタデータ) (2024-06-04T15:47:03Z) - On the Generalization and Adaption Performance of Causal Models [99.64022680811281]
異なる因果発見は、データ生成プロセスを一連のモジュールに分解するために提案されている。
このようなモジュラニューラル因果モデルの一般化と適応性能について検討する。
我々の分析では、モジュラーニューラル因果モデルが、低データレギュレーションにおけるゼロおよび少数ショットの適応において、他のモデルよりも優れていることを示している。
論文 参考訳(メタデータ) (2022-06-09T17:12:32Z) - Growing Isotropic Neural Cellular Automata [63.91346650159648]
我々は、元のGrowing NCAモデルには、学習された更新規則の異方性という重要な制限があると主張している。
細胞系は2つの方法のいずれかによって、正確な非対称パターンを成長させる訓練が可能であることを実証する。
論文 参考訳(メタデータ) (2022-05-03T11:34:22Z) - Generative Adversarial Neural Cellular Automata [13.850929935840659]
本稿では,1つのニューラルセルオートマタを用いて複数の出力を生成しながら,異なる初期環境を入力として使用する概念を提案する。
また、ニューラルセルオートマタとジェネレーティブアドリアネットワークを組み合わせた新しいアルゴリズムであるGANCAを紹介する。
論文 参考訳(メタデータ) (2021-07-19T06:23:11Z) - Towards self-organized control: Using neural cellular automata to
robustly control a cart-pole agent [62.997667081978825]
我々は、カートポールエージェントを制御するために、ニューラルセルオートマトンを使用する。
我々は、Q値の推定値として出力セルの状態を用いる深層学習を用いてモデルを訓練した。
論文 参考訳(メタデータ) (2021-06-29T10:49:42Z) - Continuous Learning and Adaptation with Membrane Potential and
Activation Threshold Homeostasis [91.3755431537592]
本稿では,MPATH(Membrane Potential and Activation Threshold Homeostasis)ニューロンモデルを提案する。
このモデルにより、ニューロンは入力が提示されたときに自動的に活性を調節することで動的平衡の形式を維持することができる。
実験は、モデルがその入力から適応し、継続的に学習する能力を示す。
論文 参考訳(メタデータ) (2021-04-22T04:01:32Z) - A model-based framework for learning transparent swarm behaviors [6.310689648471231]
本稿では,ロボット群に対する理解可能かつ検証可能な行動を設計するためのモデルベースフレームワークを提案する。
このフレームワークは4つのケーススタディでテストされ、アグリゲーションとフォージングタスクが特徴だ。
論文 参考訳(メタデータ) (2021-03-09T10:45:57Z) - The Neural Coding Framework for Learning Generative Models [91.0357317238509]
本稿では,脳の予測処理理論に触発された新しい神経生成モデルを提案する。
同様に、私たちの生成モデルにおける人工ニューロンは、隣接するニューロンが何をするかを予測し、予測が現実にどの程度一致するかに基づいてパラメータを調整します。
論文 参考訳(メタデータ) (2020-12-07T01:20:38Z) - Towards an Automatic Analysis of CHO-K1 Suspension Growth in
Microfluidic Single-cell Cultivation [63.94623495501023]
我々は、人間の力で抽象化されたニューラルネットワークをデータレベルで注入できる新しい機械学習アーキテクチャを提案する。
具体的には、自然データと合成データに基づいて生成モデルを同時に訓練し、細胞数などの対象変数を確実に推定できる共有表現を学習する。
論文 参考訳(メタデータ) (2020-10-20T08:36:51Z)
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。