論文の概要: Evolved Developmental Artificial Neural Networks for Multitasking with Advanced Activity Dependence

• arxiv url: http://arxiv.org/abs/2407.10359v1
• Date: Sun, 14 Jul 2024 23:39:07 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-16 16:40:16.528672
• Title: Evolved Developmental Artificial Neural Networks for Multitasking with Advanced Activity Dependence
• Title（参考訳）: 高度活動依存型マルチタスキングのための発達型ニューラルネットワーク
• Authors: Yintong Zhang, Jason A. Yoder,
• Abstract要約: 活動依存(AD)の新たな拡張による有望な結果を示す。 我々は、健康や位置を含む新しい神経パラメータについて、ADを介してより顕著な改善を示す。 今後の作業にはいくつかの有望な方向性を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recently, Cartesian Genetic Programming has been used to evolve developmental programs to guide the formation of artificial neural networks (ANNs). This approach has demonstrated success in enabling ANNs to perform multiple tasks while avoiding catastrophic forgetting. One unique aspect of this approach is the use of separate developmental programs evolved to regulate the development of separate soma and dendrite units. An opportunity afforded by this approach is the ability to incorporate Activity Dependence (AD) into the model such that environmental feedback can help to regulate the behavior of each type of unit. Previous work has shown a limited version of AD (influencing neural bias) to provide marginal improvements over non-AD ANNs. In this work, we present promising results from new extensions to AD. Specifically, we demonstrate a more significant improvement via AD on new neural parameters including health and position, as well as a combination of all of these along with bias. We report on the implications of this work and suggest several promising directions for future work.
• Abstract（参考訳）: 近年,人工ニューラルネットワーク(ANN)の形成を導く開発プログラムの進化に,モンテカルロ遺伝プログラミングが用いられている。 このアプローチは、破滅的な忘れを回避しながら、ANNが複数のタスクを実行できるようにすることに成功した。 このアプローチのユニークな側面の1つは、別個の開発プログラムを使用することで、ソマとデンドライトの別ユニットの開発を規制することである。 このアプローチによって得られる機会は、活動依存(AD)をモデルに組み込むことで、環境フィードバックが各タイプのユニットの振る舞いを調節するのに役立つ。 これまでの研究では、AD非ANNよりも限界的な改善を提供するために、AD(神経バイアスに影響を与える)の限定バージョンが示されていた。 本稿では,ADの新たな拡張による有望な結果を示す。 具体的には、健康と位置を含む新しい神経パラメータに対するADによるより顕著な改善と、これらすべてとバイアスの組み合わせについて示します。 本研究の意義を報告するとともに,今後の研究に期待できる方向性をいくつか提案する。

関連論文リスト

• Advancing Brain Imaging Analysis Step-by-step via Progressive Self-paced Learning [0.5840945370755134]
  適応型・進行型ペーシング・蒸留機構を応用したPSPD(Progressive Self-Paced Distillation)フレームワークを提案する。 我々は、アルツハイマー病神経画像イニシアチブ(ADNI)データセットを用いて、様々な畳み込みニューラルネットワークにおけるPSPDの有効性と適応性を検証する。
  論文  参考訳（メタデータ） (2024-07-23T02:26:04Z)
• Enhancing learning in artificial neural networks through cellular heterogeneity and neuromodulatory signaling [52.06722364186432]
  人工ニューラルネットワーク(ANN)の強化のための生物学的インフォームドフレームワークを提案する。 提案したデュアルフレームアプローチは、多様なスパイキング動作をエミュレートするためのスパイキングニューラルネットワーク(SNN)の可能性を強調している。 提案手法は脳にインスパイアされたコンパートメントモデルとタスク駆動型SNN, バイオインスピレーション, 複雑性を統合している。
  論文  参考訳（メタデータ） (2024-07-05T14:11:28Z)
• Causal Graph ODE: Continuous Treatment Effect Modeling in Multi-agent Dynamical Systems [70.84976977950075]
  実世界のマルチエージェントシステムは、しばしば動的で連続的であり、エージェントは時間とともにその軌道や相互作用を共進化させ、変化させる。 本稿では,グラフニューラルネットワーク(GNN)をODE関数として,エージェント間の連続的な相互作用をキャプチャする新しいモデルを提案する。 我々のモデルの主な革新は、治療の時間依存表現を学習し、ODE関数にそれらを組み込むことで、潜在的な結果の正確な予測を可能にすることである。
  論文  参考訳（メタデータ） (2024-02-29T23:07:07Z)
• DARLEI: Deep Accelerated Reinforcement Learning with Evolutionary Intelligence [77.78795329701367]
  本稿では,進化アルゴリズムと並列化強化学習を組み合わせたフレームワークであるDARLEIを提案する。 我々はDARLEIの性能を様々な条件で特徴付け、進化形態の多様性に影響を与える要因を明らかにした。 今後DARLEIを拡張して、よりリッチな環境における多様な形態素間の相互作用を取り入れていきたいと考えています。
  論文  参考訳（メタデータ） (2023-12-08T16:51:10Z)
• Evolutionary Multi-objective Optimisation in Neurotrajectory Prediction [0.0]
  この研究は、車両軌道予測のための神経進化の進歩的な一歩を踏み出す。 この目的のために、CNNとLong-Short Term Memory NetworkからなるリッチなANNが採用されている。 EMOアルゴリズム、NSGA-II、MOEA/Dも採用されている。
  論文  参考訳（メタデータ） (2023-08-04T21:06:26Z)
• Towards Brain Inspired Design for Addressing the Shortcomings of ANNs [13.041607703862724]
  エラー空間全体のパーソナライズされたビューを好む小脳のニューロンのエラーベースの構成は、行動と学習のいくつかの望ましい特徴を考慮に入れているのではないか、と我々は主張する。 実験結果から,神経細胞の個体群にパーソナライズされたエラービューがあることで,クラス不均衡や制限されたデータの下での効率的な学習が可能となり,意図しないショートカット戦略への感受性が低下することが示唆された。
  論文  参考訳（メタデータ） (2023-06-30T15:37:38Z)
• A Neural Active Inference Model of Perceptual-Motor Learning [62.39667564455059]
  アクティブ推論フレームワーク(英: active inference framework、AIF)は、現代の神経科学を基盤とした、有望な新しい計算フレームワークである。 本研究では,ヒトの視覚行動指導において,AIFが期待する役割を捉える能力をテストする。 本稿では,多次元世界状態から自由エネルギーの一次元分布にマッピングする先行関数の新たな定式化について述べる。
  論文  参考訳（メタデータ） (2022-11-16T20:00:38Z)
• Backprop-Free Reinforcement Learning with Active Neural Generative Coding [84.11376568625353]
  動的環境におけるエラー(バックプロップ)のバックプロパゲーションを伴わない行動駆動型生成モデルの学習のための計算フレームワークを提案する。 我々は、まばらな報酬でも機能するインテリジェントエージェントを開発し、推論として計画の認知理論からインスピレーションを得ている。 我々のエージェントの堅牢な性能は、神経推論と学習のためのバックプロップフリーアプローチがゴール指向の行動を促進するという有望な証拠を提供する。
  論文  参考訳（メタデータ） (2021-07-10T19:02:27Z)
• Continual Developmental Neurosimulation Using Embodied Computational Agents [0.0]
  神経系の形態形成, 発達学習, 可塑性の関連現象のブリッジングにおける発達軌跡の役割を考察することができる。 我々のアプローチは発達的実施と密に統合されており、発達的ブレイテンベルク車両(dBV)と呼ばれる種類のエージェントを用いて実装することができる。 dBVは、体、センサー、エフェクター、神経システムなど、エージェントベースのシステムへと変貌する、未定義の構造の集合として、自らの生活を始める。
  論文  参考訳（メタデータ） (2021-03-07T07:22:49Z)
• Meta-Learning with Variational Bayes [0.0]
  生成メタ学習のより一般的な問題に対処する新しいアプローチを提案する。 我々の貢献は、AEVBフレームワークと平均場変動ベイズを活用し、高速適応潜在空間生成モデルを作成する。 我々の貢献の核心は新たな成果であり、広範囲の深層生成潜在変数モデルにおいて、関連するVB更新は生成ニューラルネットワークに依存しないことを示している。
  論文  参考訳（メタデータ） (2021-03-03T09:02:01Z)
• Alpha Discovery Neural Network based on Prior Knowledge [55.65102700986668]
  遺伝的プログラミング(GP)は、金融自動化機能構築タスクにおける最先端技術である。 本稿では,分散金融技術指標の自動構築が可能なニューラルネットワーク構造であるAlpha Discovery Neural Network (ADNN)を提案する。
  論文  参考訳（メタデータ） (2019-12-26T03:10:17Z)

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。