論文の概要: Integrating Functionalities To A System Via Autoencoder Hippocampus Network

• arxiv url: http://arxiv.org/abs/2412.09635v1
• Date: Thu, 28 Nov 2024 10:25:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-22 09:02:57.528834
• Title: Integrating Functionalities To A System Via Autoencoder Hippocampus Network
• Title（参考訳）: オートエンコーダヒッポカンポスネットワークを利用したシステムへの機能統合
• Authors: Siwei Luo,
• Abstract要約: ポリシー関数のパラメータに対するオートエンコーダに基づく記憶法を提案する。 オートエンコーダのエンコーダはポリシー関数のパラメータをスキルベクトルにマッピングし、デコーダはこのスキルベクトルを介してパラメータを検索する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Integrating multiple functionalities into a system poses a fascinating challenge to the field of deep learning. While the precise mechanisms by which the brain encodes and decodes information, and learns diverse skills, remain elusive, memorization undoubtedly plays a pivotal role in this process. In this article, we delve into the implementation and application of an autoencoder-inspired hippocampus network in a multi-functional system. We propose an autoencoder-based memorization method for policy function's parameters. Specifically, the encoder of the autoencoder maps policy function's parameters to a skill vector, while the decoder retrieves the parameters via this skill vector. The policy function is dynamically adjusted tailored to corresponding tasks. Henceforth, a skill vectors graph neural network is employed to represent the homeomorphic topological structure of subtasks and manage subtasks execution.
• Abstract（参考訳）: システムに複数の機能を統合することは、ディープラーニングの分野に魅力的な課題をもたらします。 脳が情報をエンコードし、復号し、多様なスキルを学ぶ正確なメカニズムは解明され続けるが、記憶は間違いなくこの過程において重要な役割を担っている。 本稿では,マルチファンクショナルシステムにおけるオートエンコーダにインスパイアされた海馬ネットワークの実装と応用について検討する。 ポリシー関数のパラメータに対するオートエンコーダに基づく記憶法を提案する。 具体的には、オートエンコーダのエンコーダはポリシー関数のパラメータをスキルベクトルにマップし、デコーダはこのスキルベクトルを介してパラメータを検索する。 ポリシー機能は、対応するタスクに合わせて動的に調整される。 その後、スキルベクターグラフニューラルネットワークを用いて、サブタスクの同相位相構造を表現し、サブタスクの実行を管理する。

関連論文リスト

• Understanding Auditory Evoked Brain Signal via Physics-informed Embedding Network with Multi-Task Transformer [3.261870217889503]
  マルチタスク変換器(PEMT-Net)を用いた物理インフォームド・エンベディング・ネットワークという,革新的なマルチタスク学習モデルを提案する。 PEMT-Netは物理インフォームド埋め込みとディープラーニング技術によりデコード性能を向上させる。 特定のデータセットに対する実験は、PEMT-Netがマルチタスクの聴覚信号復号における顕著な性能を示した。
  論文  参考訳（メタデータ） (2024-06-04T06:53:32Z)
• Exploring Latent Pathways: Enhancing the Interpretability of Autonomous Driving with a Variational Autoencoder [79.70947339175572]
  バイオインスパイアされたニューラルサーキットポリシーモデルが革新的な制御モジュールとして登場した。 我々は、変分オートエンコーダとニューラルネットワークポリシーコントローラを統合することで、飛躍的に前進する。 本研究は,変分オートエンコーダへのアーキテクチャシフトに加えて,自動潜時摂動ツールを導入する。
  論文  参考訳（メタデータ） (2024-04-02T09:05:47Z)
• Incremental procedural and sensorimotor learning in cognitive humanoid robots [52.77024349608834]
  本研究は,手順を段階的に学習する認知エージェントを提案する。 各サブステージで必要とされる認知機能と, エージェントが未解決の課題に, 新たな機能の追加がどう対処するかを示す。 結果は、このアプローチが複雑なタスクを段階的に解くことができることを示している。
  論文  参考訳（メタデータ） (2023-04-30T22:51:31Z)
• A Study of Autoregressive Decoders for Multi-Tasking in Computer Vision [93.90545426665999]
  マルチモーダルコンピュータビジョンにおけるマルチタスク学習のための自動回帰デコーダについて詳しく検討する。 鍵となる発見は、凍結した事前訓練されたエンコーダの上で学んだ小さなデコーダが驚くほどうまく機能していることである。 これはデコーダに自然言語で事前訓練された視覚モデルと対話するように教えるものであると見なすことができる。
  論文  参考訳（メタデータ） (2023-03-30T13:42:58Z)
• Unification of popular artificial neural network activation functions [0.0]
  本稿では,最も一般的なニューラルネットワーク活性化関数の統一表現について述べる。 分数計算のMittag-Leffler関数を採用することにより、フレキシブルでコンパクトな関数形式を提案する。
  論文  参考訳（メタデータ） (2023-02-21T21:20:59Z)
• Decoder Fusion RNN: Context and Interaction Aware Decoders for Trajectory Prediction [53.473846742702854]
  本稿では,動き予測のための反復的,注意に基づくアプローチを提案する。 Decoder Fusion RNN (DF-RNN) は、リカレント動作エンコーダ、エージェント間マルチヘッドアテンションモジュール、コンテキスト認識デコーダで構成される。 提案手法の有効性をArgoverseモーション予測データセットで検証し,その性能を公開ベンチマークで示す。
  論文  参考訳（メタデータ） (2021-08-12T15:53:37Z)
• MetaSDF: Meta-learning Signed Distance Functions [85.81290552559817]
  ニューラルな暗示表現で形状を一般化することは、各関数空間上の学習先行値に比例する。 形状空間の学習をメタラーニング問題として定式化し、勾配に基づくメタラーニングアルゴリズムを利用してこの課題を解決する。
  論文  参考訳（メタデータ） (2020-06-17T05:14:53Z)
• A Showcase of the Use of Autoencoders in Feature Learning Applications [11.329636084818778]
  オートエンコーダは、人工ニューラルネットワークに基づくデータ表現学習のための技術である。 この作業では、これらのアプリケーションを示し、オートエンコーダの設計とトレーニングに簡単に使えるインターフェースを備えたRパッケージを使ったコードサンプルを含む、オートエンコーダの動作方法の詳細を提供する。
  論文  参考訳（メタデータ） (2020-05-08T23:56:26Z)
• Distributed Evolution of Deep Autoencoders [1.7444066202370399]
  本稿では、効率的な進化アルゴリズムを用いてモジュラーオートエンコーダを設計する分散システムを提案する。 本システムの有効性を,多様体学習と画像復調の課題に適用した。
  論文  参考訳（メタデータ） (2020-04-16T11:31:18Z)
• Encoding-based Memory Modules for Recurrent Neural Networks [79.42778415729475]
  本稿では,リカレントニューラルネットワークの設計とトレーニングの観点から,記憶サブタスクについて考察する。 本稿では,線形オートエンコーダを組み込んだエンコーディングベースのメモリコンポーネントを特徴とする新しいモデルであるLinear Memory Networkを提案する。
  論文  参考訳（メタデータ） (2020-01-31T11:14:27Z)

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。