論文の概要: Exploring the origins of switching dynamics in a multifunctional reservoir computer

• arxiv url: http://arxiv.org/abs/2408.15400v1
• Date: Tue, 27 Aug 2024 20:51:48 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-29 17:42:47.194489
• Title: Exploring the origins of switching dynamics in a multifunctional reservoir computer
• Title（参考訳）: 多機能貯水池コンピュータにおけるスイッチングダイナミクスの起源を探る
• Authors: Andrew Flynn, Andreas Amann,
• Abstract要約: 貯水池コンピュータ(RC)は、同じ訓練された重量のセットを使用して、同時に複数のアトラクションを再構築する。 ある場合、RCが引き金の共存を再構築できなかった場合、転移性を示す。 本稿では,これらスイッチングダイナミクスの起源を,両立問題によるパラダイム設定で考察する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The concept of multifunctionality has enabled reservoir computers (RCs), a type of dynamical system that is typically realised as an artificial neural network, to reconstruct multiple attractors simultaneously using the same set of trained weights. However there are many additional phenomena that arise when training a RC to reconstruct more than one attractor. Previous studies have found that, in certain cases, if the RC fails to reconstruct a coexistence of attractors then it exhibits a form of metastability whereby, without any external input, the state of the RC switches between different modes of behaviour that resemble properties of the attractors it failed to reconstruct. In this paper we explore the origins of these switching dynamics in a paradigmatic setting via the `seeing double' problem.
• Abstract（参考訳）: 多機能性の概念は、一般的に人工ニューラルネットワークとして実現される力学系の一種である貯水池コンピュータ(RC)を、同じ訓練された重みを使って同時に複数の誘引器を再構築することを可能にする。 しかし、RCをトレーニングして複数のアトラクションを再構築する際、さらに多くの現象が発生する。 以前の研究では、ある場合において、RCがアトラクタの共存を再構築できなかった場合、外部入力がなければ、RCの状態はアトラクタの特性に類似した振る舞いの異なるモードに切り替わる。 本稿では,これらのスイッチング・ダイナミクスの起源を,'シーティング・ダブル'問題によるパラダイム・セッティングで考察する。

関連論文リスト

• ReST meets ReAct: Self-Improvement for Multi-Step Reasoning LLM Agent [50.508669199496474]
  外部知識に基づいて推論と行動を行うReAct-style LLMエージェントを開発した。 エージェントをReSTライクな手法で改良し,従来の軌道上で反復的に訓練する。 引き起こされた大きなモデルから始まり、アルゴリズムのたった2イテレーションの後に、微調整された小さなモデルを生成することができる。
  論文  参考訳（メタデータ） (2023-12-15T18:20:15Z)
• Hybrid quantum-classical reservoir computing for simulating chaotic systems [2.4995929091995857]
  この研究は、RCの量子貯水池を量子回路回路に置き換えるハイブリッド量子貯水池計算フレームワークを提案する。 HQRCのノイズレスシミュレーションは、最先端の古典RCモデルに匹敵する有効な予測時間を示している。
  論文  参考訳（メタデータ） (2023-11-23T17:07:02Z)
• Inferring Relational Potentials in Interacting Systems [56.498417950856904]
  このような相互作用を発見する代替手法として、ニューラル・インタラクション・推論(NIIP)を提案する。 NIIPは観測された関係制約を尊重する軌道のサブセットに低エネルギーを割り当てる。 別々に訓練されたモデル間での相互作用の型を交換するなどの軌道操作や、軌道予測を可能にする。
  論文  参考訳（メタデータ） (2023-10-23T00:44:17Z)
• Leveraging Low-Rank and Sparse Recurrent Connectivity for Robust Closed-Loop Control [63.310780486820796]
  繰り返し接続のパラメータ化が閉ループ設定のロバスト性にどのように影響するかを示す。 パラメータが少ないクローズドフォーム連続時間ニューラルネットワーク(CfCs)は、フルランクで完全に接続されたニューラルネットワークよりも優れています。
  論文  参考訳（メタデータ） (2023-10-05T21:44:18Z)
• Endogenous Macrodynamics in Algorithmic Recourse [52.87956177581998]
  対実説明(CE)とアルゴリズム・リコース(AR)に関する既存の研究は、静的環境における個人に主に焦点を当ててきた。 既存の方法論の多くは、一般化されたフレームワークによってまとめて記述できることを示す。 次に、既存のフレームワークは、グループレベルでの言論の内在的ダイナミクスを研究する際にのみ明らかとなるような、隠された対外的関係のコストを考慮に入れていないと論じる。
  論文  参考訳（メタデータ） (2023-08-16T07:36:58Z)
• A Survey on Reservoir Computing and its Interdisciplinary Applications Beyond Traditional Machine Learning [17.865755866792643]
  Reservoir Computing (RC) は、ニューロンがランダムに接続されたリカレントニューラルネットワークである。 モデルのリッチなダイナミクス、線形分離性、メモリ容量は、単純な線形読み出しによって応答を生成する。 RCは、様々な物理ハードウェア実装で複雑な力学が実現できることが示されているため、機械学習以外の領域にまたがっている。
  論文  参考訳（メタデータ） (2023-07-27T05:20:20Z)
• Seeing double with a multifunctional reservoir computer [0.0]
  多機能生物学的ニューラルネットワークは、ネットワーク特性を変更することなく複数のタスクを実行するために、マルチスタビリティを利用する。 本研究では, 貯水池コンピュータが, 相互に重なり合う場合のアトラクタの共存を再構築する方法について検討する。 分岐解析は、RCがカオス状態に入ると多機能性がどのように出現し、破壊されるかを明らかにする。
  論文  参考訳（メタデータ） (2023-05-09T23:10:29Z)
• Exploring the limits of multifunctionality across different reservoir computers [0.0]
  連続時間, リークインテグレータ, 次世代貯水池コンピュータ(RC)の性能について検討する 我々は各RCを訓練し、異なる力学系からのカオス的誘引器の共存を再構築する。 多機能性を達成するために,各RCにおいて特定のパラメータが持つ重要な効果について検討する。
  論文  参考訳（メタデータ） (2022-05-23T15:06:38Z)
• A Predictive Coding Account for Chaotic Itinerancy [68.8204255655161]
  予測符号化を実装したリカレントニューラルネットワークが,入力雑音の存在下でカオス的反復性に類似したニューラルトラジェクトリを生成する方法を示す。 本モデルを用いて,無作為かつ非依存なトラジェクタスイッチングトラジェクトリを生成する2つのシナリオを提案する。
  論文  参考訳（メタデータ） (2021-06-16T16:48:14Z)
• Reconstructing shared dynamics with a deep neural network [0.0]
  本稿では,時系列から隠れた共有ダイナミクスを2モジュールのフィードフォワードニューラルネットワークアーキテクチャにより同定する手法を提案する。 この手法は、実験的な介入が不可能な力学系の隠れた構成要素を明らかにする可能性がある。
  論文  参考訳（メタデータ） (2021-05-05T20:55:53Z)
• Limited-angle tomographic reconstruction of dense layered objects by dynamical machine learning [68.9515120904028]
  強い散乱準透明物体の有限角トモグラフィーは困難で、非常に不適切な問題である。 このような問題の状況を改善することにより、アーティファクトの削減には、事前の定期化が必要である。 我々は,新しい分割畳み込みゲート再帰ユニット(SC-GRU)をビルディングブロックとして,リカレントニューラルネットワーク(RNN)アーキテクチャを考案した。
  論文  参考訳（メタデータ） (2020-07-21T11:48:22Z)

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。