Fugu-MT 論文翻訳(概要): Neural networks consisting of DNA

論文の概要: Neural networks consisting of DNA

arxiv url: http://arxiv.org/abs/2501.03235v1
Date: Thu, 12 Dec 2024 21:33:25 GMT
ステータス: 翻訳完了
システム内更新日: 2025-01-12 16:25:19.673640
Title: Neural networks consisting of DNA
Title（参考訳）: DNAからなるニューラルネットワーク
Authors: Michael te Vrugt,
Abstract要約: 近年、DNAに基づくニューラルネットワークの構築が始まっている。この章は、生化学に精通していない聴衆を対象として、DNAニューラルネットワークの概念の非常に基本的な紹介を提供する。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: Neural networks based on soft and biological matter constitute an interesting potential alternative to traditional implementations based on electric circuits. DNA is a particularly promising system in this context due its natural ability to store information. In recent years, researchers have started to construct neural networks that are based on DNA. In this chapter, I provide a very basic introduction to the concept of DNA neural networks, aiming at an audience that is not familiar with biochemistry.
Abstract（参考訳）: ソフトおよび生物学的物質に基づくニューラルネットワークは、電気回路に基づく従来の実装の代替として興味深い可能性がある。 DNAはこの文脈で特に有望なシステムである。近年、DNAに基づくニューラルネットワークの構築が始まっている。本章では、生化学に精通していない聴衆を対象として、DNAニューラルネットワークの概念の非常に基本的な紹介を行う。

関連論文リスト

Decoding Interpretable Logic Rules from Neural Networks [8.571176778812038]
本稿では,ニューラルネットワークから解釈可能な論理規則を復号化するための新しいアプローチであるNeuroLogicを紹介する。 NeuroLogicは幅広いニューラルネットワークに適応することができる。 NeuroLogicはニューラルネットワークのブラックボックスの性質を理解するのに役立ちます。
論文参考訳（メタデータ） (2025-01-14T17:57:26Z)
Contemporary implementations of spiking bio-inspired neural networks [0.0]
スパイクニューラルネットワークは、すべてのニューラルネットワークに最もよく似た生物である。ネットワーク細胞の物理的過程の特異性は、生きた神経組織の神経活動をシミュレートする能力に影響を与える。本研究は, 半導体, スーパーコンダクタ, 光学領域におけるバイオインスパイアされたスパイクネットワークのハードウェアニューロモルフィック実装について概説する。
論文参考訳（メタデータ） (2024-12-23T19:33:43Z)
Brain-Inspired Machine Intelligence: A Survey of Neurobiologically-Plausible Credit Assignment [65.268245109828]
本稿では,神経生物学にインスパイアされた,あるいは動機付けられた人工ニューラルネットワークにおける信用割当を行うアルゴリズムについて検討する。我々は、脳にインスパイアされた学習スキームを6つの一般的なファミリーにまとめ、これらを誤りのバックプロパゲーションの文脈で検討する。本研究の成果は,神経ミメティックシステムとその構成的学習プロセスの今後の発展を促進することを目的としている。
論文参考訳（メタデータ） (2023-12-01T05:20:57Z)
Spike-based computation using classical recurrent neural networks [1.9171404264679484]
スパイキングニューラルネットワーク(英: Spiking Neural Network)は、ニューロン間の通信が、スパイクと呼ばれるイベントのみによって構成される人工ニューラルネットワークである。我々は、よく知られた、訓練が容易なリカレントニューラルネットワークのダイナミクスを変更して、イベントベースにする。この新ネットワークは,MNISTベンチマークにおいて,他の種類のスパイクネットワークに匹敵する性能が得られることを示す。
論文参考訳（メタデータ） (2023-06-06T12:19:12Z)
Efficient Automation of Neural Network Design: A Survey on Differentiable Neural Architecture Search [70.31239620427526]
微分可能なニューラルネットワーク探索(DNAS)は、ディープニューラルネットワークアーキテクチャの発見を自動化するトレンドのアプローチとして、急速に自らを強制した。この増加は主に、最初の主要なDNAS法の一つであるDARTSの人気が原因である。本総説では,DNASに特に焦点をあて,最近のアプローチを概観する。
論文参考訳（メタデータ） (2023-04-11T13:15:29Z)
Contrastive-Signal-Dependent Plasticity: Self-Supervised Learning in Spiking Neural Circuits [61.94533459151743]
この研究は、スパイキングネットワークのシナプスを調整するための神経生物学的に動機づけられたスキームを設計することの課題に対処する。我々の実験シミュレーションは、繰り返しスパイクネットワークを訓練する際、他の生物学的に証明可能なアプローチに対して一貫した優位性を示す。
論文参考訳（メタデータ） (2023-03-30T02:40:28Z)
Symbiosis of an artificial neural network and models of biological neurons: training and testing [0.0]
生体ニューロンの数学的モデルからなる人工ニューラルネットワーク(ANN)の特徴を作成・同定する可能性を示す。 FitzHugh--Nagumo (FHN) システムは、単純化されたニューロン活性を示すモデルの一例として用いられる。
論文参考訳（メタデータ） (2023-02-03T10:06:54Z)
Spiking neural network for nonlinear regression [68.8204255655161]
スパイクニューラルネットワークは、メモリとエネルギー消費を大幅に削減する可能性を持っている。彼らは、次世代のニューロモルフィックハードウェアによって活用できる時間的および神経的疎結合を導入する。スパイキングニューラルネットワークを用いた回帰フレームワークを提案する。
論文参考訳（メタデータ） (2022-10-06T13:04:45Z)
Extrapolation and Spectral Bias of Neural Nets with Hadamard Product: a Polynomial Net Study [55.12108376616355]
NTKの研究は典型的なニューラルネットワークアーキテクチャに特化しているが、アダマール製品(NNs-Hp)を用いたニューラルネットワークには不完全である。本研究では,ニューラルネットワークの特別なクラスであるNNs-Hpに対する有限幅Kの定式化を導出する。我々は,カーネル回帰予測器と関連するNTKとの等価性を証明し,NTKの適用範囲を拡大する。
論文参考訳（メタデータ） (2022-09-16T06:36:06Z)
POPPINS : A Population-Based Digital Spiking Neuromorphic Processor with Integer Quadratic Integrate-and-Fire Neurons [50.591267188664666]
2つの階層構造を持つ180nmプロセス技術において,集団に基づくディジタルスパイキングニューロモルフィックプロセッサを提案する。提案手法は,生体模倣型ニューロモルフィックシステム,低消費電力,低遅延推論処理アプリケーションの開発を可能にする。
論文参考訳（メタデータ） (2022-01-19T09:26:34Z)
Naming Schema for a Human Brain-Scale Neural Network [2.76240219662896]
人工ニューロンのグループは、将来の研究のために、小さな領域で特別にラベル付けすることができる。ディープニューラルネットワークはますます大きくなり、疎結合になり、ストレージと計算のコストを削減した大規模ニューラルネットワークのストレージが可能になる。
論文参考訳（メタデータ） (2021-09-22T18:14:47Z)

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。