Fugu-MT 論文翻訳(概要): A universal approximation theorem for nonlinear resistive networks

論文の概要: A universal approximation theorem for nonlinear resistive networks

arxiv url: http://arxiv.org/abs/2312.15063v1
Date: Fri, 22 Dec 2023 21:01:16 GMT
ステータス: 処理完了
システム内更新日: 2023-12-27 19:59:05.144943
Title: A universal approximation theorem for nonlinear resistive networks
Title（参考訳）: 非線形抵抗ネットワークに対する普遍近似定理
Authors: Benjamin Scellier, Siddhartha Mishra
Abstract要約: レジストレータネットワークは近年、エネルギー効率のよい自己学習マシンの基盤として関心を集めている。本稿では, 電圧源, 線形抵抗器, ダイオード, 電圧制御電圧源からなる電気ネットワークが, 連続的な機能を実現することができることを示す。
参考スコア（独自算出の注目度）: 16.05126152926668
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Resistor networks have recently had a surge of interest as substrates for energy-efficient self-learning machines. This work studies the computational capabilities of these resistor networks. We show that electrical networks composed of voltage sources, linear resistors, diodes and voltage-controlled voltage sources (VCVS) can implement any continuous functions. To prove it, we assume that the circuit elements are ideal and that the conductances of variable resistors and the amplification factors of the VCVS's can take arbitrary values -- arbitrarily small or arbitrarily large. The constructive nature of our proof could also inform the design of such self-learning electrical networks.
Abstract（参考訳）: レジストレータネットワークは近年、エネルギー効率のよい自己学習マシンの基盤として注目されている。この研究は、これらの抵抗ネットワークの計算能力を研究する。電圧源,リニア抵抗器,ダイオード,電圧制御電圧源(vcvs)からなる電気ネットワークは,任意の連続機能を実現することができることを示す。これを証明するために、回路要素は理想的であり、可変抵抗器のコンダクタンスとvcvsの増幅係数は任意に小さく、あるいは任意に大きい値を取ることができると仮定する。また,本稿では,このような自己学習型電気ネットワークの設計について述べる。

関連論文リスト

Efficiently Building and Characterizing Electromagnetic Models of Multi-Qubit Superconducting Circuits [0.0]
超伝導量子コンピュータの複雑さは寄生的結合と共鳴をもたらす本稿では,マルチビット回路に対応するマルチポートインピーダンス関数のモデル化と特性評価を行う。次に,有効クビット結合率,状態依存型共振モードの分散シフト,およびクビット緩和時間を推定できる特性評価法を提案する。
論文参考訳（メタデータ） (2024-05-13T00:07:11Z)
Frequency propagation: Multi-mechanism learning in nonlinear physical networks [0.0]
非線形物理ネットワークのための学習アルゴリズムである周波数伝搬を導入する。周波数伝搬は物理ネットワークにおけるマルチメカニズム学習戦略の例であると主張する。
論文参考訳（メタデータ） (2022-08-10T11:02:48Z)
Pretraining Graph Neural Networks for few-shot Analog Circuit Modeling and Design [68.1682448368636]
本稿では、新しい未知のトポロジや未知の予測タスクに適応可能な回路表現を学習するための教師付き事前学習手法を提案する。異なる回路の変動位相構造に対処するため、各回路をグラフとして記述し、グラフニューラルネットワーク(GNN)を用いてノード埋め込みを学習する。出力ノード電圧の予測における事前学習GNNは、新しい未知のトポロジや新しい回路レベル特性の予測に適応可能な学習表現を促進することができることを示す。
論文参考訳（メタデータ） (2022-03-29T21:18:47Z)
Neural Network-based Power Flow Model [0.0]
ニューラルネットワーク(NN)モデルは、過去の電力システムデータを用いて、電力フロー結果を予測するために訓練される。提案したNNベース電力フローモデルでは,直流電力フローモデルよりも高速かつ高精度に解を見つけることができる。
論文参考訳（メタデータ） (2021-12-15T19:05:53Z)
Towards Understanding Theoretical Advantages of Complex-Reaction Networks [77.34726150561087]
パラメータ数を用いて,関数のクラスを複素反応ネットワークで近似できることを示す。経験的リスク最小化については,複素反応ネットワークの臨界点集合が実数値ネットワークの固有部分集合であることを示す。
論文参考訳（メタデータ） (2021-08-15T10:13:49Z)
A Gradient Estimator for Time-Varying Electrical Networks with Non-Linear Dissipation [0.0]
電気回路理論を用いて、深層指向ニューラルネットワークを記述できるラグランジアンを構築する。シナプスコンダクタンスなどのネットワークの物理パラメータの勾配を推定するための推定器を導出する。結論として,これらの結果を生物学的に妥当なニューロンのネットワークに拡張する方法を提案する。
論文参考訳（メタデータ） (2021-03-09T02:07:39Z)
Inductive Representation Learning in Temporal Networks via Causal Anonymous Walks [51.79552974355547]
テンポラルネットワークは多くの現実世界の動的システムの抽象化として機能する。時間的ネットワークを誘導的に表現するCausal Anonymous Walks(CAW)を提案する。 CAWは時間的ランダムウォークによって抽出され、時間的ネットワークモチーフの自動検索として機能する。
論文参考訳（メタデータ） (2021-01-15T05:47:26Z)
Neural Anisotropy Directions [63.627760598441796]
我々は、アーキテクチャの方向性誘導バイアスをカプセル化するベクトルとして、神経異方性方向(NAD)を定義する。 CIFAR-10データセットでは、NADはCNNが異なるクラス間で識別するために使用する特徴を特徴付ける。
論文参考訳（メタデータ） (2020-06-17T08:36:28Z)
Training End-to-End Analog Neural Networks with Equilibrium Propagation [64.0476282000118]
本稿では,勾配降下による終端から終端までのアナログニューラルネットワークの学習法を提案する。数学的には、アナログニューラルネットワークのクラス(非線形抵抗性ネットワークと呼ばれる)がエネルギーベースモデルであることが示される。我々の研究は、オンチップ学習をサポートする、超高速でコンパクトで低消費電力のニューラルネットワークの新世代の開発を導くことができる。
論文参考訳（メタデータ） (2020-06-02T23:38:35Z)
Hardware-Encoding Grid States in a Non-Reciprocal Superconducting Circuit [62.997667081978825]
本稿では、非相互デバイスと、基底空間が2倍縮退し、基底状態がGottesman-Kitaev-Preskill(GKP)符号の近似符号であるジョセフソン接合からなる回路設計について述べる。この回路は、電荷やフラックスノイズなどの超伝導回路の一般的なノイズチャネルに対して自然に保護されており、受動的量子誤差補正に使用できることを示唆している。
論文参考訳（メタデータ） (2020-02-18T16:45:09Z)

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。