論文の概要: Reply to: Limitations in odour recognition and generalisation in a neuromorphic olfactory circuit

• arxiv url: http://arxiv.org/abs/2411.10456v1
• Date: Fri, 01 Nov 2024 13:19:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-24 05:33:14.655596
• Title: Reply to: Limitations in odour recognition and generalisation in a neuromorphic olfactory circuit
• Title（参考訳）: Reply to:ニューロモルフィック嗅覚回路における臭気認識と一般化の限界
• Authors: Roy Moyal, Nabil Imam, Thomas A. Cleland,
• Abstract要約: Dennlerらは、2020年の論文で示された結論の一部に制限があることを発見したと提出している。 彼らは、我々のニューロモルフィックEPLネットワークは、嗅覚の反復的な提示よりも一般化できる能力に限られていると主張している。 以下の3つの主張にそれぞれ回答する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Dennler et al. submit that they have discovered limitations affecting some of the conclusions drawn in our 2020 paper, Rapid online learning and robust recall in a neuromorphic olfactory circuit. Specifically, they assert (1) that the public dataset we used suffers from sensor drift and a nonrandomized measurement protocol, (2) that our neuromorphic EPL network is limited in its ability to generalize over repeated presentations of an odorant, and (3) that our EPL network results can be performance matched by using a more computationally efficient distance measure. Though they are correct in their description of the limitations of that public dataset, they do not acknowledge in their first two assertions how our utilization of those data sidestepped these limitations. Their third claim arises from flaws in the method used to generate their distance measure. We respond below to each of these three claims in turn.
• Abstract（参考訳）: Dennlerらは、2020年の論文"Rapid Online Learning and robust recall in a neuromorphic olfactory circuit"で得られた結論に影響を及ぼす限界を発見したと投稿している。 具体的には、(1)センサドリフトと非ランダム化測定プロトコルに苦しむ公共データセット、(2)ニューロモルフィックなEPLネットワークは、嗅覚の繰り返し提示よりも一般化する能力に制限があること、(3)より計算効率のよい距離測定を用いて、我々のEPLネットワークの結果と性能が一致できることを主張する。 公開データセットの制限についての説明では正しいが、最初の2つの主張では、これらのデータの利用がこれらの制限を横取りしたと認めていない。 3つ目の主張は、距離測度を生成する方法の欠陥から生じる。 以下の3つの主張にそれぞれ回答する。

関連論文リスト

• Generating on Generated: An Approach Towards Self-Evolving Diffusion Models [58.05857658085845]
  再帰的自己改善(Recursive Self-Improvement、RSI)は、インテリジェンスシステムがその能力を自律的に改善することを可能にする。 本稿では、テキスト・画像拡散モデルにおけるRSIの適用について検討し、合成データによるトレーニング崩壊の課題に対処する。
  論文  参考訳（メタデータ） (2025-02-14T07:41:47Z)
• HyPoradise: An Open Baseline for Generative Speech Recognition with Large Language Models [81.56455625624041]
  ASRの誤り訂正に外部の大規模言語モデル(LLM)を利用する最初のオープンソースベンチマークを導入する。 提案したベンチマークには、334,000組以上のN-best仮説を含む新しいデータセットHyPoradise (HP)が含まれている。 合理的なプロンプトと生成能力を持つLLMは、N-bestリストに欠けているトークンを修正できる。
  論文  参考訳（メタデータ） (2023-09-27T14:44:10Z)
• Limitations in odour recognition and generalisation in a neuromorphic olfactory circuit [0.07589017023705934]
  本稿では, 哺乳類嗅球に記述された回路にインスパイアされた, ニューロモルフィックアーキテクチャ上での臭気学習アルゴリズムを提案する。 彼らは、ガス臭気と無臭ガスの「ラピッドオンライン学習と識別」におけるアルゴリズムの性能を評価する。
  論文  参考訳（メタデータ） (2023-09-20T18:00:05Z)
• ETLP: Event-based Three-factor Local Plasticity for online learning with neuromorphic hardware [105.54048699217668]
  イベントベース3要素局所塑性(ETLP)の計算複雑性に明らかな優位性を有する精度の競争性能を示す。 また, 局所的可塑性を用いた場合, スパイキングニューロンの閾値適応, 繰り返しトポロジーは, 時間的構造が豊富な時間的パターンを学習するために必要であることを示した。
  論文  参考訳（メタデータ） (2023-01-19T19:45:42Z)
• Deep learning for full-field ultrasonic characterization [7.120879473925905]
  本研究では、最近の機械学習の進歩を活用して、物理に基づくデータ分析プラットフォームを構築する。 直接反転と物理インフォームドニューラルネットワーク(PINN)の2つの論理について検討した。
  論文  参考訳（メタデータ） (2023-01-06T05:01:05Z)
• Correspondence Distillation from NeRF-based GAN [135.99756183251228]
  神経放射野(NeRF)は、物体やシーンの微細な詳細を保存するための有望な結果を示している。 同じカテゴリの異なるNeRFをまたいで密度の高い対応を構築することは、依然として未解決の問題である。 トレーニング済みのNeRFベースGANにカプセル化されているリッチなセマンティクスと構造的先行性を活用することで,これらの課題を回避可能であることを示す。
  論文  参考訳（メタデータ） (2022-12-19T18:54:59Z)
• Analytically Tractable Hidden-States Inference in Bayesian Neural Networks [0.0]
  本稿では, ガウス推定能力(TAGI)を活用して隠れ状態の推測を行う方法を示す。 その新しい側面の一つは、特定の目的を達成するために設計された制約を付与することで隠れた状態を推論することである。
  論文  参考訳（メタデータ） (2021-07-08T11:11:25Z)
• And/or trade-off in artificial neurons: impact on adversarial robustness [91.3755431537592]
  ネットワークに十分な数のOR様ニューロンが存在すると、分類の脆さと敵の攻撃に対する脆弱性が増加する。 そこで我々は,AND様ニューロンを定義し,ネットワーク内での割合を増大させる対策を提案する。 MNISTデータセットによる実験結果から,本手法はさらなる探索の方向として有望であることが示唆された。
  論文  参考訳（メタデータ） (2021-02-15T08:19:05Z)
• SelfVoxeLO: Self-supervised LiDAR Odometry with Voxel-based Deep Neural Networks [81.64530401885476]
  本稿では,これら2つの課題に対処するために,自己教師型LiDARオドメトリー法(SelfVoxeLO)を提案する。 具体的には、生のLiDARデータを直接処理する3D畳み込みネットワークを提案し、3D幾何パターンをよりよく符号化する特徴を抽出する。 我々は,KITTIとApollo-SouthBayという2つの大規模データセット上での手法の性能を評価する。
  論文  参考訳（メタデータ） (2020-10-19T09:23:39Z)

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。