Fugu-MT 論文翻訳(概要): Coupling Light with Matter for Identifying Dominant Subnetworks

論文の概要: Coupling Light with Matter for Identifying Dominant Subnetworks

arxiv url: http://arxiv.org/abs/2405.17296v1
Date: Mon, 27 May 2024 16:00:21 GMT
ステータス: 処理完了
システム内更新日: 2024-05-28 14:43:44.287040
Title: Coupling Light with Matter for Identifying Dominant Subnetworks
Title（参考訳）: 支配サブネットの特定のための光と物質との結合
Authors: Airat Kamaletdinov, Natalia G. Berloff,
Abstract要約: 我々は、複雑なニューラルネットワークを使用して、支配的な作業を特定し、より大きなネットワーク内の間接的相関を明らかにする、新しいライトマタープラットフォームを提案する。このアプローチは、低消費電力、高速な処理速度、および後処理を行わない共値ノードと逆制御ノードの即時同定など、大きな利点を提供する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We present a novel light-matter platform that uses complex-valued oscillator networks, a form of physical neural networks, to identify dominant subnetworks and uncover indirect correlations within larger networks. This approach offers significant advantages, including low energy consumption, high processing speed, and the immediate identification of co- and counter-regulated nodes without post-processing. The effectiveness of this approach is demonstrated through its application to biological networks, and we also propose its applicability to a wide range of other network types.
Abstract（参考訳）: 物理ニューラルネットワークの一形態である複素数値発振器ネットワークを用いて、支配的なサブネットを識別し、より大きなネットワーク内の間接的相関を明らかにする。このアプローチは、低消費電力、高速な処理速度、および後処理のない協調ノードと反規制ノードの即時同定など、大きな利点を提供する。本手法の有効性は,生物ネットワークへの応用を通じて実証され,他のネットワークタイプにも適用可能であることも提案する。

関連論文リスト

Hierarchical Multi-Marginal Optimal Transport for Network Alignment [52.206006379563306]
マルチネットワークアライメントは,複数ネットワーク上での協調学習に必須の要件である。マルチネットワークアライメントのための階層型マルチマージ最適トランスポートフレームワークHOTを提案する。提案するHOTは,有効性とスケーラビリティの両面で,最先端の大幅な改善を実現している。
論文参考訳（メタデータ） (2023-10-06T02:35:35Z)
A Generic Shared Attention Mechanism for Various Backbone Neural Networks [53.36677373145012]
自己注意モジュール(SAM)は、異なる層にまたがる強い相関した注意マップを生成する。 Dense-and-Implicit Attention (DIA)はSAMをレイヤ間で共有し、長期間のメモリモジュールを使用する。我々のシンプルで効果的なDIAは、様々なネットワークバックボーンを一貫して拡張できます。
論文参考訳（メタデータ） (2022-10-27T13:24:08Z)
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)
Scalable Power Control/Beamforming in Heterogeneous Wireless Networks with Graph Neural Networks [6.631773993784724]
そこで本研究では,HIGNN(heterogeneous Interference Graphural Network)という,教師なし学習に基づく新しいフレームワークを提案する。 HIGNNは、小型ネットワークで訓練された後、堅牢なパフォーマンスで拡大するサイズのワイヤレスネットワークにスケーラブルです。
論文参考訳（メタデータ） (2021-04-12T13:36:32Z)
Learning low-rank latent mesoscale structures in networks [1.1470070927586016]
ネットワークにおける低ランクメソスケール構造を記述するための新しい手法を提案する。いくつかの合成ネットワークモデルと経験的友情、協調、タンパク質-タンパク質相互作用(PPI)ネットワークを使用します。破損したネットワークから直接学習する潜在モチーフのみを用いて、破損したネットワークを認知する方法を示す。
論文参考訳（メタデータ） (2021-02-13T18:54:49Z)
Learning Connectivity of Neural Networks from a Topological Perspective [80.35103711638548]
本稿では,ネットワークを解析のための完全なグラフに表現するためのトポロジ的視点を提案する。接続の規模を反映したエッジに学習可能なパラメータを割り当てることにより、学習プロセスを異なる方法で行うことができる。この学習プロセスは既存のネットワークと互換性があり、より大きな検索空間と異なるタスクへの適応性を持っている。
論文参考訳（メタデータ） (2020-08-19T04:53:31Z)
GCN for HIN via Implicit Utilization of Attention and Meta-paths [104.24467864133942]
不均一情報ネットワーク(HIN)埋め込みは、HINの構造と意味情報を分散表現にマッピングすることを目的としている。本稿では,注意とメタパスを暗黙的に活用するニューラルネットワーク手法を提案する。まず、各層で識別集約を行う多層グラフ畳み込みネットワーク(GCN)フレームワークを用いる。次に,アグリゲーションから分離可能な新しい伝搬操作を導入することにより,効果的な緩和と改善を行う。
論文参考訳（メタデータ） (2020-07-06T11:09:40Z)
ESPN: Extremely Sparse Pruned Networks [50.436905934791035]
簡単な反復マスク探索法により,非常に深いネットワークの最先端の圧縮を実現することができることを示す。本アルゴリズムは,シングルショット・ネットワーク・プルーニング法とロッテ・ティケット方式のハイブリッド・アプローチを示す。
論文参考訳（メタデータ） (2020-06-28T23:09:27Z)
Compact Neural Representation Using Attentive Network Pruning [1.0152838128195465]
本稿では,Bottom-Upフィードフォワードネットワークに付加されたTop-Downアテンション機構について述べる。提案手法は, 新たな階層選択機構をプルーニングの基礎として導入するだけでなく, 実験評価において, 従来のベースライン手法と競合するままである。
論文参考訳（メタデータ） (2020-05-10T03:20:01Z)
A supervised active learning method for identifying critical nodes in Wireless Sensor Network [0.27920304852537525]
無線センサネットワーク(WSN)におけるクリティカルノード同定の計算オーバーヘッドに対処する能動的学習手法を提案する。提案手法は,非臨界ノード同定におけるバイアスを克服し,WSNの動的性質に適応するためには,微調整の労力をはるかに削減する必要がある。実験により, 提案手法は, 大規模WSN環境において, 最先端技術と比較して柔軟性が高いことが示された。
論文参考訳（メタデータ） (2020-04-19T15:48:27Z)
Modeling Dynamic Heterogeneous Network for Link Prediction using Hierarchical Attention with Temporal RNN [16.362525151483084]
我々はDyHATRと呼ばれる新しい動的ヘテロジニアスネットワーク埋め込み法を提案する。階層的な注意を使って異質な情報を学習し、進化パターンを捉えるために時間的注意を伴う繰り返しニューラルネットワークを組み込む。リンク予測のための4つの実世界のデータセットに対して,本手法をベンチマークした。
論文参考訳（メタデータ） (2020-04-01T17:16:47Z)

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。