論文の概要: Adjusting Dynamics of Hopfield Neural Network via Time-variant Stimulus

• arxiv url: http://arxiv.org/abs/2402.18584v1
• Date: Mon, 15 Jan 2024 13:31:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-03-25 08:36:53.286787
• Title: Adjusting Dynamics of Hopfield Neural Network via Time-variant Stimulus
• Title（参考訳）: 時変刺激によるホップフィールドニューラルネットワークの動的調整
• Authors: Xuenan Peng, Chengqing Li, Yicheng Zeng, Chun-Lai Li,
• Abstract要約: ホップフィールドニューラルネットワーク(HNN)は、その複雑な構造による外乱に対する高い感受性を示す。 本稿では,時間変動刺激によるHNNダイナミクスの制御の課題について述べる。
• 参考スコア（独自算出の注目度）: 1.7136865390752571
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: As a paradigmatic model for nonlinear dynamics studies, the Hopfield Neural Network (HNN) demonstrates a high susceptibility to external disturbances owing to its intricate structure. This paper delves into the challenge of modulating HNN dynamics through time-variant stimuli. The effects of adjustments using two distinct types of time-variant stimuli, namely the Weight Matrix Stimulus (WMS) and the State Variable Stimulus (SVS), along with a Constant Stimulus (CS) are reported. The findings reveal that deploying four WMSs enables the HNN to generate either a four-scroll or a coexisting two-scroll attractor. When combined with one SVS, four WMSs can lead to the formation of an eight-scroll or four-scroll attractor, while the integration of four WMSs and multiple SVSs can induce grid-multi-scroll attractors. Moreover, the introduction of a CS and an SVS can significantly disrupt the dynamic behavior of the HNN. Consequently, suitable adjustment methods are crucial for enhancing the network's dynamics, whereas inappropriate applications can lead to the loss of its chaotic characteristics. To empirically validate these enhancement effects, the study employs an FPGA hardware platform. Subsequently, an image encryption scheme is designed to demonstrate the practical application benefits of the dynamically adjusted HNN in secure multimedia communication. This exploration into the dynamic modulation of HNN via time-variant stimuli offers insightful contributions to the advancement of secure communication technologies.
• Abstract（参考訳）: 非線形力学研究のパラダイムモデルとして、ホップフィールドニューラルネットワーク(HNN)はその複雑な構造による外乱に対する高い感受性を示す。 本稿では,時間変動刺激によるHNN動的変調の課題について考察する。 一定刺激 (CS) とともに, 重量行列刺激 (WMS) と状態変数刺激 (SVS) の2種類の異なる時間変動刺激による調整の効果を報告する。 その結果,4つのWMSを配置することで,HNNは4つのスクロールまたは共存する2つのスクロールを引き付けることができることがわかった。 1つのSVSと組み合わせると、4つのWMSが8つのスクロールまたは4つのスクロールのアトラクションを発生させ、一方、4つのWMSと複数のSVSの統合はグリッドマルチスクロールアトラクションを誘導する。 さらに、CSとSVSの導入は、HNNの動的挙動を著しく破壊する可能性がある。 その結果,ネットワークの動的性を高めるためには適切な調整手法が不可欠であり,不適切な応用によってカオス特性が失われる可能性がある。 これらの拡張効果を実証的に検証するために、この研究はFPGAハードウェアプラットフォームを採用している。 その後、セキュアなマルチメディア通信において動的に調整されたHNNの実用的メリットを示すために、画像暗号化方式が設計された。 この時間変動刺激によるHNNの動的変調の探索は、セキュアな通信技術の進歩に深い貢献をもたらす。

関連論文リスト

• Subtractive Modulative Network with Learnable Periodic Activations [59.89799070130572]
  本稿では,古典的部分抽出合成にインスパイアされた,パラメータ効率の高いインプシットニューラル表現アーキテクチャを提案する。 我々のSMNは2つの画像データセット上で40ドル以上のPSNRを達成し、再現精度とパラメータ効率の両面で最先端の手法と比較した。
  論文  参考訳（メタデータ） (2026-02-18T10:20:50Z)
• PTS-SNN: A Prompt-Tuned Temporal Shift Spiking Neural Networks for Efficient Speech Emotion Recognition [12.087823767638788]
  音声感情認識(SER)は人間とコンピュータのインタラクションに広く利用されているが、高い計算コストはリソースに制約のあるエッジデバイスの実装を妨げる。 本稿では, スパイキングダイナミクスを用いたパラメータ効率のよいニューロモルフィック適応である, Prompt-Tuned Spiking Neural Networks (PTS-SNN) を提案する。
  論文  参考訳（メタデータ） (2026-02-09T03:29:16Z)
• Adaptive Mesh-Quantization for Neural PDE Solvers [51.26961483962011]
  グラフニューラルネットワークは複雑なジオメトリや境界条件に必要な不規則なメッシュを処理できるが、それでもすべてのノードで一様計算処理を適用できる。 適応メッシュ量子化(Adaptive Mesh Quantization): メッシュノード,エッジ,クラスタ特徴間の空間適応量子化であり,量子化モデルで使用されるビット幅を動的に調整する。 我々は,MP-PDEとGraphViTという2つの最先端モデルと統合して,複数のタスクのパフォーマンスを評価することで,フレームワークの有効性を実証する。
  論文  参考訳（メタデータ） (2025-11-23T14:47:24Z)
• Global Mean-Amplitude Enhanced Spiking Neural Network Coherent Ising Machine [6.142643738867997]
  CIM(GFSNN-CIM)を導入した。 GFSNN-CIMは、従来のスパイクニューラルネットワークCIMと比較して、ソリューションの成功率を最大27%向上させる。
  論文  参考訳（メタデータ） (2025-09-17T11:23:24Z)
• Forecasting Low-Dimensional Turbulence via Multi-Dimensional Hybrid Quantum Reservoir Computing [0.0]
  量子進化と古典的メモリ拡張を組み合わせた多変量時系列処理が可能なハイブリッド量子古典型貯水池アーキテクチャを提案する。 この枠組みを流体力学におけるカオス的挙動の2つのパラダイムモデルに適用する。 両方の力学系の堅牢性と信頼性は、このハイブリッド量子アプローチが複雑な非線形時系列をモデル化するための柔軟なプラットフォームを提供することを示している。
  論文  参考訳（メタデータ） (2025-09-04T08:37:48Z)
• Dynamical Alignment: A Principle for Adaptive Neural Computation [1.0974389213466795]
  固定されたニューラルネットワーク構造は、その構造ではなく、入力信号の時間的ダイナミクスによって駆動される、根本的に異なる計算モードで動作可能であることを示す。 この計算上の優位性は、入力力学とニューロン統合の間の時間スケールのアライメントから生じる。 この原理は、安定塑性ジレンマから分離積分力学まで、神経科学における長期保存双対性に関する統一的で計算可能な視点を提供する。
  論文  参考訳（メタデータ） (2025-08-13T06:35:57Z)
• DNN-Based Precoding in RIS-Aided mmWave MIMO Systems With Practical Phase Shift [56.04579258267126]
  本稿では、直接通信路を妨害したミリ波マルチインプット多重出力(MIMO)システムのスループットを最大化する。 リコンフィギュアブルインテリジェントサーフェス(RIS)は、視線(LoS)とマルチパス効果に関連するmmWave特性を考慮して伝送性を高めるために使用される。 ディープニューラルネットワーク(DNN)は、より高速なコードワード選択を容易にするために開発された。
  論文  参考訳（メタデータ） (2025-07-03T17:35:06Z)
• Investigating Lagrangian Neural Networks for Infinite Horizon Planning in Quadrupedal Locomotion [1.3167173258708438]
  ラグランジアンニューラルネットワーク(LNN)は、帰納的バイアスを利用してシステムダイナミクスを学ぶための原則的で解釈可能なフレームワークである。 この研究は、4つの力学モデルによる四足歩行ロボットの無限水平計画のためのLNNを評価する。 実験により、LNNはサンプル効率(10倍)と予測精度(2～10倍)をベースライン法と比較して改善することが示された。
  論文  参考訳（メタデータ） (2025-06-19T07:04:24Z)
• Deep-Unrolling Multidimensional Harmonic Retrieval Algorithms on Neuromorphic Hardware [78.17783007774295]
  本稿では,高精度かつエネルギー効率の高い単発多次元高調波検索のための変換に基づくニューロモルフィックアルゴリズムの可能性について検討する。 複雑な値の畳み込み層と活性化をスパイクニューラルネットワーク(SNN)に変換する新しい手法を開発した。 変換されたSNNは、元のCNNに比べて性能が低下し、ほぼ5倍の電力効率を実現している。
  論文  参考訳（メタデータ） (2024-12-05T09:41:33Z)
• Scalable Mechanistic Neural Networks [52.28945097811129]
  長い時間的シーケンスを含む科学機械学習応用のための拡張ニューラルネットワークフレームワークを提案する。 元のメカニスティックニューラルネットワーク (MNN) を再構成することにより、計算時間と空間の複雑さを、それぞれ、列長に関して立方体と二次体から線形へと減少させる。 大規模な実験により、S-MNNは元のMNNと精度で一致し、計算資源を大幅に削減した。
  論文  参考訳（メタデータ） (2024-10-08T14:27:28Z)
• A Unified Approach for Learning the Dynamics of Power System Generators and Inverter-based Resources [12.723995633698514]
  再生可能エネルギーの統合と電気化のためのインバータベースの資源(IBR)は、電力系統の動的解析に大きく挑戦する。 同期ジェネレータ(SG)とIRBの両方を考慮するため、この研究は個々の動的コンポーネントのモデルを学ぶためのアプローチを示す。
  論文  参考訳（メタデータ） (2024-09-22T14:07:10Z)
• Mamba-FSCIL: Dynamic Adaptation with Selective State Space Model for Few-Shot Class-Incremental Learning [113.89327264634984]
  FSCIL(Few-shot class-incremental Learning)は、最小限のトレーニングサンプルを持つモデルに新しいクラスを統合するという課題に直面している。 従来の手法では、固定パラメータ空間に依存する静的適応を広く採用し、逐次到着するデータから学習する。 本稿では、動的適応のための中間特徴に基づいてプロジェクションパラメータを動的に調整する2つの選択型SSMプロジェクタを提案する。
  論文  参考訳（メタデータ） (2024-07-08T17:09:39Z)
• Unleashing Network Potentials for Semantic Scene Completion [50.95486458217653]
  本稿では,新しいSSCフレームワーク - Adrial Modality Modulation Network (AMMNet)を提案する。 AMMNetは、モダリティ間の勾配流の相互依存性を可能にするクロスモーダル変調と、動的勾配競争を利用するカスタマイズされた逆トレーニングスキームの2つのコアモジュールを導入している。 AMMNetは最先端のSSC法よりも大きなマージンで優れていた。
  論文  参考訳（メタデータ） (2024-03-12T11:48:49Z)
• Learning Long Sequences in Spiking Neural Networks [0.0]
  スパイキングニューラルネットワーク(SNN)は、エネルギー効率の高い計算を可能にするために、脳からインスピレーションを得ている。 トランスフォーマーの効率的な代替品に対する近年の関心は、状態空間モデル(SSM)と呼ばれる最先端の繰り返しアーキテクチャの台頭をもたらした。
  論文  参考訳（メタデータ） (2023-12-14T13:30:27Z)
• ConCerNet: A Contrastive Learning Based Framework for Automated Conservation Law Discovery and Trustworthy Dynamical System Prediction [82.81767856234956]
  本稿では,DNNに基づく動的モデリングの信頼性を向上させるために,ConCerNetという新しい学習フレームワークを提案する。 本手法は, 座標誤差と保存量の両方において, ベースラインニューラルネットワークよりも一貫して優れていることを示す。
  論文  参考訳（メタデータ） (2023-02-11T21:07:30Z)
• Dynamics with autoregressive neural quantum states: application to critical quench dynamics [41.94295877935867]
  本稿では、量子系の長時間のダイナミクスを安定的に捉えるための代替の汎用スキームを提案する。 二次元量子イジングモデルにおけるキブル・ズレーク機構の解明により,時間依存性のクエンチ力学にこのスキームを適用した。
  論文  参考訳（メタデータ） (2022-09-07T15:50:00Z)
• DS-Net++: Dynamic Weight Slicing for Efficient Inference in CNNs and Transformers [105.74546828182834]
  本稿では,様々な難易度を持つ入力に対して,ネットワークパラメータの一部を適応的にスライスする動的ウェイトスライシングという,ハードウェア効率のよい動的推論方式を示す。 我々は、CNNのフィルタ数とCNNと変換器の多重次元を入力依存的に調整することで、動的スライム可能なネットワーク(DS-Net)と動的スライス可能なネットワーク(DS-Net++)を提案する。
  論文  参考訳（メタデータ） (2021-09-21T09:57:21Z)
• Dynamic Slimmable Network [105.74546828182834]
  ダイナミックスリム化システム「ダイナミックスリム化ネットワーク(DS-Net)」を開発。 ds-netは,提案するダブルヘッド動的ゲートによる動的推論機能を備えている。 静的圧縮法と最先端の静的および動的モデル圧縮法を一貫して上回っている。
  論文  参考訳（メタデータ） (2021-03-24T15:25:20Z)
• Gating creates slow modes and controls phase-space complexity in GRUs and LSTMs [5.672132510411465]
  ゲートの追加がGRUとLSTMの動的および訓練性に与える影響について検討した。 GRUの更新ゲートとLSTMの忘れゲートは、動的に遅いモードが蓄積される可能性があることを示す。
  論文  参考訳（メタデータ） (2020-01-31T19:09:37Z)

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。