論文の概要: Quaternion recurrent neural network with real-time recurrent learning
and maximum correntropy criterion
- arxiv url: http://arxiv.org/abs/2402.14227v1
- Date: Thu, 22 Feb 2024 02:17:50 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-23 16:42:04.582972
- Title: Quaternion recurrent neural network with real-time recurrent learning
and maximum correntropy criterion
- Title(参考訳): リアルタイム反復学習と最大コレントロピー基準を用いた四次繰り返しニューラルネットワーク
- Authors: Pauline Bourigault, Dongpo Xu, Danilo P. Mandic
- Abstract要約: 我々は,3次元データと4次元データのリアルタイム処理のための,頑健な四元系リカレントニューラルネットワーク(QRNN)を開発した。
- 参考スコア(独自算出の注目度): 17.290426673030325
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We develop a robust quaternion recurrent neural network (QRNN) for real-time
processing of 3D and 4D data with outliers. This is achieved by combining the
real-time recurrent learning (RTRL) algorithm and the maximum correntropy
criterion (MCC) as a loss function. While both the mean square error and
maximum correntropy criterion are viable cost functions, it is shown that the
non-quadratic maximum correntropy loss function is less sensitive to outliers,
making it suitable for applications with multidimensional noisy or uncertain
data. Both algorithms are derived based on the novel generalised HR (GHR)
calculus, which allows for the differentiation of real functions of quaternion
variables and offers the product and chain rules, thus enabling elegant and
compact derivations. Simulation results in the context of motion prediction of
chest internal markers for lung cancer radiotherapy, which includes regular and
irregular breathing sequences, support the analysis.
- Abstract(参考訳): 我々は,3次元データと4次元データのリアルタイム処理のための,頑健な四元系リカレントニューラルネットワーク(QRNN)を開発した。
これは、リアルタイム反復学習(RTRL)アルゴリズムと最大コレントロピー基準(MCC)を損失関数として組み合わせることで実現される。
平均二乗誤差と最大コレントロピー基準の両方が有効コスト関数であるが、非二乗最大コレントロピー損失関数はオフレーヤに対する感度が低く、多次元ノイズや不確かさのある応用に適していることが示されている。
両アルゴリズムは、四元数変数の実関数の微分を可能にし、積と連鎖の規則を提供する新しい一般化されたHR(GHR)計算に基づいて導出され、エレガントでコンパクトな導出を可能にする。
肺がん放射線治療における胸部内マーカーの運動予測は, 正常および不規則な呼吸配列を含む。
関連論文リスト
- Uncertainty-Aware Deep Attention Recurrent Neural Network for
Heterogeneous Time Series Imputation [0.25112747242081457]
欠落は多変量時系列においてユビキタスであり、信頼できる下流分析の障害となる。
本稿では、欠落した値とその関連不確かさを共同で推定するDeep Attention Recurrent Imputation (Imputation)を提案する。
実験の結果,実世界のデータセットを用いた多様な計算タスクにおいて,SOTAを上回っていることがわかった。
論文 参考訳(メタデータ) (2024-01-04T13:21:11Z) - A randomized algorithm to solve reduced rank operator regression [27.513149895229837]
本稿では,無限次元入力空間と出力空間を含むベクトル値回帰問題に対処するアルゴリズムを提案し,解析する。
このアルゴリズムは低ランクベクトル値関数を最適に学習する手法である低ランク回帰のランダム適応である。
論文 参考訳(メタデータ) (2023-12-28T20:29:59Z) - Polynomial-Time Solutions for ReLU Network Training: A Complexity
Classification via Max-Cut and Zonotopes [70.52097560486683]
我々は、ReLUネットワークの近似の難しさがマックス・カッツ問題の複雑さを反映しているだけでなく、特定の場合において、それと完全に一致することを証明した。
特に、$epsilonleqsqrt84/83-1approx 0.006$とすると、目的値に関して相対誤差$epsilon$でReLUネットワーク対象の近似グローバルデータセットを見つけることはNPハードであることが示される。
論文 参考訳(メタデータ) (2023-11-18T04:41:07Z) - NAF: Neural Attenuation Fields for Sparse-View CBCT Reconstruction [79.13750275141139]
本稿では,スパースビューCBCT再構成のための新規かつ高速な自己教師型ソリューションを提案する。
所望の減衰係数は、3次元空間座標の連続関数として表現され、完全に接続されたディープニューラルネットワークによってパラメータ化される。
ハッシュ符号化を含む学習ベースのエンコーダが採用され、ネットワークが高周波の詳細をキャプチャするのに役立つ。
論文 参考訳(メタデータ) (2022-09-29T04:06:00Z) - Effective Multi-User Delay-Constrained Scheduling with Deep Recurrent
Reinforcement Learning [28.35473469490186]
マルチユーザ遅延制約スケジューリングは、無線通信、ライブストリーミング、クラウドコンピューティングを含む多くの現実世界アプリケーションにおいて重要である。
Recurrent Softmax Delayed Deep Double Deterministic Policy Gradient (mathttRSD4$) という深部強化学習アルゴリズムを提案する。
$mathttRSD4$は、それぞれLagrangianのデュアルと遅延に敏感なキューによるリソースと遅延の制約を保証する。
また、リカレントニューラルネットワーク(RNN)によって実現されたメモリ機構により、部分的可観測性にも効率よく取り組み、ユーザレベルの分解とノードレベルを導入している。
論文 参考訳(メタデータ) (2022-08-30T08:44:15Z) - Adaptive LASSO estimation for functional hidden dynamic geostatistical
model [69.10717733870575]
関数型隠れ統計モデル(f-HD)のためのペナル化極大推定器(PMLE)に基づく新しいモデル選択アルゴリズムを提案する。
このアルゴリズムは反復最適化に基づいており、適応最小限の収縮・セレクタ演算子(GMSOLAS)ペナルティ関数を用いており、これは不給付のf-HD最大線量推定器によって得られる。
論文 参考訳(メタデータ) (2022-08-10T19:17:45Z) - Truncated tensor Schatten p-norm based approach for spatiotemporal
traffic data imputation with complicated missing patterns [77.34726150561087]
本研究は, モード駆動繊維による3症例の欠失を含む, 4症例の欠失パターンについて紹介する。
本モデルでは, 目的関数の非性にもかかわらず, 乗算器の交互データ演算法を統合することにより, 最適解を導出する。
論文 参考訳(メタデータ) (2022-05-19T08:37:56Z) - Scalable Spatiotemporally Varying Coefficient Modeling with Bayesian
Kernelized Tensor Regression [3.0616624345970975]
計算コストによる大規模高時間解析にSTVCを適用することは困難である。
モデル推論のための効率的なマルコフ連鎖モンテカルロアルゴリズムを開発した。
その結果,モデル推定およびパラメータ推定におけるBKTRの優れた性能と効率性が確認された。
論文 参考訳(メタデータ) (2021-08-31T19:22:23Z) - Brain Image Synthesis with Unsupervised Multivariate Canonical
CSC$\ell_4$Net [122.8907826672382]
我々は,新しいCSC$ell_4$Netを用いて,イントレとイントラモーダルの両方にまたがる専用特徴を学習することを提案する。
論文 参考訳(メタデータ) (2021-03-22T05:19:40Z) - On Function Approximation in Reinforcement Learning: Optimism in the
Face of Large State Spaces [208.67848059021915]
強化学習のコアにおける探索・探索トレードオフについて検討する。
特に、関数クラス $mathcalF$ の複雑さが関数の複雑さを特徴づけていることを証明する。
私たちの後悔の限界はエピソードの数とは無関係です。
論文 参考訳(メタデータ) (2020-11-09T18:32:22Z) - Maximum Moment Restriction for Instrumental Variable Regression [23.785259180682004]
カーネル化された条件モーメント制限(CMR)に基づく非線形インスツルメンタル変数(IV)回帰のための簡単なフレームワークを提案する。
MMRは、カーネル再生空間(RKHS)において、残留物と単位球に属する機器との相互作用を最大化することによって定式化される。
我々は,合成データと実世界のデータの両方を用いた実験により,既存のフレームワークよりもフレームワークの利点を実証する。
論文 参考訳(メタデータ) (2020-10-15T12:02:25Z)
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。