Fugu-MT 論文翻訳(概要): How noise affects memory in linear recurrent networks

論文の概要: How noise affects memory in linear recurrent networks

arxiv url: http://arxiv.org/abs/2409.03187v1
Date: Thu, 5 Sep 2024 02:25:04 GMT
ステータス: 処理完了
システム内更新日: 2024-09-06 22:18:11.352496
Title: How noise affects memory in linear recurrent networks
Title（参考訳）: 線形リカレントネットワークにおける雑音がメモリに与える影響
Authors: JingChuan Guan, Tomoyuki Kubota, Yasuo Kuniyoshi, Kohei Nakajima,
Abstract要約: メモリは、以前の入力をその瞬間的なネットワーク状態に格納する能力によって特徴付けられる。まず、ノイズによって低減されたメモリは、ノイズのパワースペクトル密度(PSD)によって一意に決定される。
参考スコア（独自算出の注目度）: 2.0686733932673604
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The effects of noise on memory in a linear recurrent network are theoretically investigated. Memory is characterized by its ability to store previous inputs in its instantaneous state of network, which receives a correlated or uncorrelated noise. Two major properties are revealed: First, the memory reduced by noise is uniquely determined by the noise's power spectral density (PSD). Second, the memory will not decrease regardless of noise intensity if the PSD is in a certain class of distribution (including power law). The results are verified using the human brain signals, showing good agreement.
Abstract（参考訳）: 線形リカレントネットワークの記憶に及ぼす雑音の影響を理論的に検討した。メモリは、前の入力をネットワークの瞬間的な状態に保存する能力によって特徴付けられる。まず、ノイズによって低減されたメモリは、ノイズのパワースペクトル密度(PSD)によって一意に決定される。第2に、PSDが特定の種類の分布(電力法則を含む)にある場合、ノイズ強度にかかわらずメモリは低下しない。結果はヒト脳信号を用いて検証され、良好な一致を示した。

関連論文リスト

Impact of white Gaussian internal noise on analog echo-state neural networks [0.0]
本稿では、訓練されたエコー状態ネットワーク(ESN)の例を用いて、リカレントネットワークの機能に及ぼすノイズの影響について検討する。貯水池内の騒音の伝搬は, 主に出力接続行列の統計的特性によって制御されていることを示す。また,10～20ドル(約10～20万円)の強度を持つノイズでも,有効信号を完全に失うには十分であることを示す。
論文参考訳（メタデータ） (2024-05-13T11:59:20Z)
Quantifying Noise of Dynamic Vision Sensor [49.665407116447454]
動的視覚センサ(DVS)は、大量のバックグラウンドアクティビティ(BA)ノイズによって特徴付けられる。標準的な画像処理技術を用いて,ノイズとクリーン化センサ信号とを区別することは困難である。 Detrended Fluctuation Analysis (DFA) から得られたBAノイズを特徴付ける新しい手法が提案されている。
論文参考訳（メタデータ） (2024-04-02T13:43:08Z)
Implications of Noise in Resistive Memory on Deep Neural Networks for Image Classification [0.0]
抵抗メモリは本質的に不安定なデバイスであり、正しい読み書き操作を保証するためにかなりの労力を要する。本稿では、模範記憶ユニットのノイズを模倣する特殊な雑音演算子を提案する。我々は、CIFAR-10分類タスクにおける畳み込みニューラルネットワークのレジリエンスについて検討し、このレジリエンスを改善するためのいくつかの対策について論じる。
論文参考訳（メタデータ） (2024-01-11T10:36:45Z)
Robust and Efficient Memory Network for Video Object Segmentation [6.7995672846437305]
本稿では,半教師付きビデオオブジェクトセグメンテーション(VOS)研究のためのロバストかつ効率的なメモリネットワーク(REMN)を提案する。我々は,前景の物体の特徴を前景のマスクで高めることにより,背景の乱れに対処する局所的な注意機構を導入する。実験によると、我々のREMNはDAVIS 2017で最先端の結果を達成しており、$mathcalJ&F$スコアは86.3%、YouTube-VOS 2018では$mathcalG$平均85.5%である。
論文参考訳（メタデータ） (2023-04-24T06:19:21Z)
Noise impact on recurrent neural network with linear activation function [0.0]
エコー状態ネットワーク(ESN)の例に基づく繰り返しANNにおける内部雑音伝搬の特異性について検討する。ここでは、人工ニューロンが傾斜係数の異なる線形活性化関数を持つ場合について考察する。 ESN出力信号の分散と信号-雑音比の一般的な見方は1つのニューロンに類似していることが判明した。
論文参考訳（メタデータ） (2023-03-23T13:43:05Z)
CNTN: Cyclic Noise-tolerant Network for Gait Recognition [12.571029673961315]
歩行認識は、歩行パターンを認識することによって個人を識別することを目的としている。従来の歩行認識法のほとんどは、2つの暗記効果、すなわち外見の暗記とラベルのノイズの暗記により著しく劣化する。初めてノイズゲイト認識が研究され、循環学習アルゴリズムを用いてサイクリックノイズ耐性ネットワーク(CNTN)が提案される。
論文参考訳（メタデータ） (2022-10-13T11:23:58Z)
Learning Noise via Dynamical Decoupling of Entangled Qubits [49.38020717064383]
絡み合った量子系のノイズは、複数の自由度を含む多体効果のために特徴付けるのが困難である。 2キュービットゲートで発生する雑音を特徴付けるマルチキュービットダイナミックデカップリングシーケンスを開発し,適用する。
論文参考訳（メタデータ） (2022-01-26T20:22:38Z)
Improving Noise Robustness of Contrastive Speech Representation Learning with Speech Reconstruction [109.44933866397123]
実環境における音声認識システムの実現には,雑音の堅牢性が不可欠である。雑音認識のための自己教師型フレームワークにより学習したノイズロスト表現を用いる。ラベル付きデータのわずか16%で報告された最高の教師付きアプローチに匹敵するパフォーマンスを実現した。
論文参考訳（メタデータ） (2021-10-28T20:39:02Z)
Noise-resistant Deep Metric Learning with Ranking-based Instance Selection [59.286567680389766]
PRISM(Probabilistic Ranking-based Instance Selection with Memory)と呼ばれるDMLの耐騒音トレーニング技術を提案する。 PRISMは、ニューラルネットワークの以前のバージョンから抽出された画像特徴との平均的類似性を用いて、ミニバッチ内のノイズデータを識別する。メモリバンクが生み出す高い計算コストを緩和するために,個々のデータポイントをクラスセンタに置き換える高速化手法を提案する。
論文参考訳（メタデータ） (2021-03-30T03:22:17Z)
Unpaired Learning of Deep Image Denoising [80.34135728841382]
本稿では,自己指導型学習と知識蒸留を取り入れた2段階の手法を提案する。自己教師型学習では,実雑音の画像のみから視覚を学習するための拡張型盲点ネットワーク(D-BSN)を提案する。実験の結果,本手法は合成ノイズ画像と実世界のノイズ画像の両方で良好に機能することがわかった。
論文参考訳（メタデータ） (2020-08-31T16:22:40Z)
CITISEN: A Deep Learning-Based Speech Signal-Processing Mobile Application [63.2243126704342]
本研究では,CitisENと呼ばれる深層学習に基づく音声信号処理モバイルアプリケーションを提案する。 CitisENは、音声強調(SE)、モデル適応(MA)、背景雑音変換(BNC)の3つの機能を提供している。雑音の多い音声信号と比較すると、改良された音声信号の約6%と33%の改善が達成された。
論文参考訳（メタデータ） (2020-08-21T02:04:12Z)

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。