Fugu-MT 論文翻訳(概要): Temporal Model On Quantum Logic

論文の概要: Temporal Model On Quantum Logic

arxiv url: http://arxiv.org/abs/2502.07817v1
Date: Sun, 09 Feb 2025 17:16:53 GMT
ステータス: 翻訳完了
システム内更新日: 2025-02-13 13:49:19.181971
Title: Temporal Model On Quantum Logic
Title（参考訳）: 量子論理の時間モデル
Authors: Francesco D'Agostino,
Abstract要約: このフレームワークは、線形および分岐時間モデルを用いて、時間とともに命題の進化を定式化する。メモリの階層構造は、有向非巡回グラフを用いて表される。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: This paper introduces a unified theoretical framework for modeling temporal memory dynamics, combining concepts from temporal logic, memory decay models, and hierarchical contexts. The framework formalizes the evolution of propositions over time using linear and branching temporal models, incorporating exponential decay (Ebbinghaus forgetting curve) and reactivation mechanisms via Bayesian updating. The hierarchical organization of memory is represented using directed acyclic graphs to model recall dependencies and interference. Novel insights include feedback dynamics, recursive influences in memory chains, and the integration of entropy-based recall efficiency. This approach provides a foundation for understanding memory processes across cognitive and computational domains.
Abstract（参考訳）: 本稿では、時間論理、メモリ崩壊モデル、階層的文脈の概念を組み合わせた時間記憶力学をモデル化するための統一的理論フレームワークを提案する。この枠組みは線形および分岐時間モデルを用いて時間とともに命題の進化を定式化し、指数的減衰(エビングハウスの忘れ曲線)とベイズ更新による再活性化機構を取り入れた。メモリの階層的な構造は、依存や干渉をモデル化するために、非循環グラフを使って表現される。新たな洞察としては、フィードバックダイナミクス、メモリチェーンにおける再帰的影響、エントロピーベースのリコール効率の統合などがある。このアプローチは、認知領域と計算領域をまたいだメモリプロセスを理解する基盤を提供する。

関連論文リスト

Firing Rate Models as Associative Memory: Excitatory-Inhibitory Balance for Robust Retrieval [3.961279440272764]
フィリングレートモデル(Firing rate model)は、神経細胞の局所的な皮質力学を記述するために応用および理論神経科学に広く用いられている力学系である。本稿では, 再スケールメモリパターンの出現を, 発火速度力学における安定平衡として保証する一般的な枠組みを提案する。本研究では, 記憶が局所的に, グローバルに安定な条件を解析し, 連想記憶検索のための生物学的に証明可能な, 堅牢なシステムの構築に関する知見を提供する。
論文参考訳（メタデータ） (2024-11-11T21:40:57Z)
Input-Driven Dynamics for Robust Memory Retrieval in Hopfield Networks [3.961279440272764]
ホップフィールドモデルは、人間の脳における記憶の保存と検索のメカニズムを理解するために、数学的に理想化されたが洞察に富んだフレームワークを提供する。本稿では,外部入力がニューラルシナプスに直接影響を与え,ホップフィールドモデルのエネルギー景観を形作る新しいシステムフレームワークを提案する。この塑性に基づく機構は、メモリ検索プロセスの明確なエネルギー的解釈を提供し、高度に混合された入力を正しく分類するのに有効である。
論文参考訳（メタデータ） (2024-11-06T17:24:25Z)
Integrating Temporal Representations for Dynamic Memory Retrieval and Management in Large Language Models [8.943924354248622]
我々は、シナプス力学をレトリーバル強化生成(RAG)に組み込む新しいアプローチであるSynapticRAGを提案する。本手法は,会話から長期的文脈維持と特定の情報抽出を強化することで,文脈認識型対話型AIシステムを進化させる。
論文参考訳（メタデータ） (2024-10-17T13:51:03Z)
Latent Space Energy-based Neural ODEs [73.01344439786524]
本稿では,連続時間列を表現するために設計された新しい深部力学モデルを提案する。マルコフ連鎖モンテカルロの最大推定値を用いてモデルを訓練する。振動系, ビデオ, 実世界の状態系列(MuJoCo)の実験結果から, 学習可能なエネルギーベース先行モデルの方が既存のモデルより優れていることが示された。
論文参考訳（メタデータ） (2024-09-05T18:14:22Z)
Theoretical framework for quantum associative memories [0.8437187555622164]
連想メモリ(Associative memory)とは、メモリと入力を関連付け、劣化したパターンの復元を目標とする能力である。オープン量子系力学に基づく量子連想メモリのための包括的フレームワークを開発する。
論文参考訳（メタデータ） (2024-08-26T13:46:47Z)
Discrete, compositional, and symbolic representations through attractor dynamics [51.20712945239422]
我々は,思考の確率的言語(PLoT)に似た認知過程をモデル化するために,アトラクタダイナミクスを記号表現と統合した新しいニューラルシステムモデルを導入する。我々のモデルは、連続表現空間を、事前定義されたプリミティブに頼るのではなく、教師なし学習を通じて、記号系の意味性と構成性の特徴を反映する、記号列に対応する引き付け状態を持つ離散盆地に分割する。このアプローチは、認知操作の複雑な双対性を反映したより包括的なモデルを提供する、AIにおける表現力の証明された神経弁別可能な基質であるニューラルダイナミクスを通じて、シンボル処理とサブシンボル処理の両方を統合する統一的なフレームワークを確立する。
論文参考訳（メタデータ） (2023-10-03T05:40:56Z)
On the Relationship Between Variational Inference and Auto-Associative Memory [68.8204255655161]
本フレームワークでは, 変動推論に対する異なるニューラルネットワークアプローチが適用可能であるかを検討する。得られたアルゴリズムをCIFAR10とCLEVRの画像データセットで評価し,他の連想記憶モデルと比較した。
論文参考訳（メタデータ） (2022-10-14T14:18:47Z)
Cross-Frequency Coupling Increases Memory Capacity in Oscillatory Neural Networks [69.42260428921436]
クロス周波数カップリング(CFC)は、ニューロンの集団間での情報統合と関連している。我々は,海馬および大脳皮質における観測された$theta - gamma$振動回路の計算的役割を予測するCFCのモデルを構築した。 CFCの存在は, 可塑性シナプスによって結合された神経細胞のメモリ容量を増加させることを示す。
論文参考訳（メタデータ） (2022-04-05T17:13:36Z)
Towards a Predictive Processing Implementation of the Common Model of Cognition [79.63867412771461]
本稿では,ニューラル生成符号化とホログラフィック連想記憶に基づく認知モデルの実装について述べる。提案システムは,多様なタスクから継続的に学習し,大規模に人的パフォーマンスをモデル化するエージェントを開発するための基盤となる。
論文参考訳（メタデータ） (2021-05-15T22:55:23Z)
On the Curse of Memory in Recurrent Neural Networks: Approximation and Optimization Analysis [30.75240284934018]
本稿では,線形関係から生成されたデータから連続時間線形RNNを学習するための単純だが代表的な設定について考察する。このような線形汎函数の普遍近似定理を証明し、近似率とそのメモリとの関係を特徴づける。統一されたテーマはメモリの非自明な効果であり、これは我々のフレームワークで正確に記述できる概念である。
論文参考訳（メタデータ） (2020-09-16T16:48:28Z)
Supporting Optimal Phase Space Reconstructions Using Neural Network Architecture for Time Series Modeling [68.8204255655161]
位相空間特性を暗黙的に学習する機構を持つ人工ニューラルネットワークを提案する。私たちのアプローチは、ほとんどの最先端戦略と同じくらいの競争力があるか、あるいは優れているかのどちらかです。
論文参考訳（メタデータ） (2020-06-19T21:04:47Z)

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。