論文の概要: Harnessing omnipresent oscillator networks as computational resource
- arxiv url: http://arxiv.org/abs/2502.04818v1
- Date: Fri, 07 Feb 2025 10:42:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-02-10 14:55:05.179301
- Title: Harnessing omnipresent oscillator networks as computational resource
- Title(参考訳): 計算資源としての高調波一様発振器ネットワーク
- Authors: Thomas Geert de Jong, Hirofumi Notsu, Kohei Nakajima,
- Abstract要約: 本稿では,オシレータネットワークを計算資源として活用するための普遍的なフレームワークを提案する。
そこで我々は,倉本モデルに非線形目標系を強制し,目標系を訓練されたフィードバックループで置換した後,対象系をエミュレートする。
- 参考スコア(独自算出の注目度): 0.0
- License:
- Abstract: Nature is pervaded with oscillatory behavior. In networks of coupled oscillators patterns can arise when the system synchronizes to an external input. Hence, these networks provide processing and memory of input. We present a universal framework for harnessing oscillator networks as computational resource. This reservoir computing framework is introduced by the ubiquitous model for phase-locking, the Kuramoto model. We force the Kuramoto model by a nonlinear target-system, then after substituting the target-system with a trained feedback-loop it emulates the target-system. Our results are two-fold. Firstly, the trained network inherits performance properties of the Kuramoto model, where all-to-all coupling is performed in linear time with respect to the number of nodes and parameters for synchronization are abundant. Secondly, the learning capabilities of the oscillator network can be explained using Kuramoto model's order parameter. This work provides the foundation for utilizing nature's oscillator networks as a new class of information processing systems.
- Abstract(参考訳): 自然は振動の振る舞いに富んでいる。
結合振動子パターンのネットワークでは、システムが外部入力に同期するときに発生することがある。
したがって、これらのネットワークは入力の処理とメモリを提供する。
本稿では,オシレータネットワークを計算資源として活用するための普遍的なフレームワークを提案する。
この貯水池計算フレームワークは, 相同期モデルである倉本モデルによって導入されている。
そこで我々は,倉本モデルに非線形目標系を強制し,目標系を訓練されたフィードバックループで置換した後,対象系をエミュレートする。
私たちの結果は2倍です。
まず、訓練されたネットワークは、ノード数と同期パラメータが豊富であるような全対全結合を線形時間で行う倉本モデルの性能特性を継承する。
次に、倉本モデルの順序パラメータを用いて、発振器ネットワークの学習能力を説明できる。
この研究は、自然の振動子ネットワークを新しい情報処理システムとして活用するための基盤を提供する。
関連論文リスト
- 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) - How neural networks learn to classify chaotic time series [77.34726150561087]
本研究では,通常の逆カオス時系列を分類するために訓練されたニューラルネットワークの内部動作について検討する。
入力周期性とアクティベーション周期の関係は,LKCNNモデルの性能向上の鍵となる。
論文 参考訳(メタデータ) (2023-06-04T08:53:27Z) - Learning Flow Functions from Data with Applications to Nonlinear
Oscillators [0.0]
フロー関数の学習は離散時間力学系の入力状態マップの学習と等価であることを示す。
これにより、RNNをエンコーダとデコーダネットワークと共に使用し、システムの状態をRNNとバックの隠された状態にマッピングする。
論文 参考訳(メタデータ) (2023-03-29T13:04:04Z) - Parallel Hybrid Networks: an interplay between quantum and classical
neural networks [0.0]
我々は、データセットの入力を並列に渡す、新しい解釈可能なハイブリッド量子ニューラルネットワークのクラスを導入する。
この主張は、周期分布からサンプリングされた2つの合成データセットに対して、雑音としてプロテクションを付加したものである。
論文 参考訳(メタデータ) (2023-03-06T15:45:28Z) - Simple initialization and parametrization of sinusoidal networks via
their kernel bandwidth [92.25666446274188]
従来の活性化機能を持つネットワークの代替として、活性化を伴う正弦波ニューラルネットワークが提案されている。
まず,このような正弦波ニューラルネットワークの簡易版を提案する。
次に、ニューラルタンジェントカーネルの観点からこれらのネットワークの挙動を分析し、そのカーネルが調整可能な帯域幅を持つ低域フィルタを近似することを実証する。
論文 参考訳(メタデータ) (2022-11-26T07:41:48Z) - An advanced spatio-temporal convolutional recurrent neural network for
storm surge predictions [73.4962254843935]
本研究では, 人工ニューラルネットワークモデルを用いて, 嵐の軌跡/規模/強度履歴に基づいて, 強風をエミュレートする能力について検討する。
本研究では, 人工嵐シミュレーションのデータベースを用いて, 強風を予測できるニューラルネットワークモデルを提案する。
論文 参考訳(メタデータ) (2022-04-18T23:42:18Z) - Discovering dynamical features of Hodgkin-Huxley-type model of
physiological neuron using artificial neural network [0.0]
2つの高速かつ1つの遅い変数を持つHodgkin-Huxley型システムを考える。
これら2つのシステムでは、そのダイナミクスを再現できる人工ニューラルネットワークを作成します。
ビスタブルモデルでは、トレーニング中に見ずに、あるソリューションのブランチでのみトレーニングされたネットワークが、別のネットワークを回復することを意味する。
論文 参考訳(メタデータ) (2022-03-26T19:04:19Z) - KuraNet: Systems of Coupled Oscillators that Learn to Synchronize [8.53236289790987]
KuraNetは結合振動子の深層学習システムであり、乱れたネットワーク条件の分布にまたがって同期を学習することができる。
本研究では, 自然周波数の乱れ, 外部磁場強度, 相互作用遅延を考慮した解析不可能なモデルにおいて, グローバル同期の条件を実証的に検討する方法について述べる。
いずれの場合も、CuraNetが新しいデータと新しいネットワークスケールの両方に一般化し、小さなシステムとの作業を容易にし、熱力学限界に関する仮説を形成する方法を示します。
論文 参考訳(メタデータ) (2021-05-06T17:26:33Z) - Machine Learning Link Inference of Noisy Delay-coupled Networks with
Opto-Electronic Experimental Tests [1.0766846340954257]
我々は,時間遅延のあるネットワークリンクを推論する一般的な問題を解決するために,機械学習手法を考案した。
まず、未知のネットワークのダイナミクスを模倣するために、貯水池コンピューティングとして知られる機械学習システムを訓練する。
本研究では, 貯留層出力層のトレーニングパラメータを用いて未知のネットワーク構造の推定を導出する手法を定式化し, 検証する。
論文 参考訳(メタデータ) (2020-10-29T00:24:13Z) - Automatic Recall Machines: Internal Replay, Continual Learning and the
Brain [104.38824285741248]
ニューラルネットワークのリプレイには、記憶されたサンプルを使ってシーケンシャルなデータのトレーニングが含まれる。
本研究では,これらの補助サンプルをフライ時に生成する手法を提案する。
代わりに、評価されたモデル自体内の学習したサンプルの暗黙の記憶が利用されます。
論文 参考訳(メタデータ) (2020-06-22T15:07:06Z) - Training End-to-End Analog Neural Networks with Equilibrium Propagation [64.0476282000118]
本稿では,勾配降下による終端から終端までのアナログニューラルネットワークの学習法を提案する。
数学的には、アナログニューラルネットワークのクラス(非線形抵抗性ネットワークと呼ばれる)がエネルギーベースモデルであることが示される。
我々の研究は、オンチップ学習をサポートする、超高速でコンパクトで低消費電力のニューラルネットワークの新世代の開発を導くことができる。
論文 参考訳(メタデータ) (2020-06-02T23:38:35Z)
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。