Fugu-MT 論文翻訳(概要): Learning in a Multifield Coherent Ising Machine

論文の概要: Learning in a Multifield Coherent Ising Machine

arxiv url: http://arxiv.org/abs/2502.12020v1
Date: Mon, 17 Feb 2025 16:54:54 GMT
ステータス: 翻訳完了
システム内更新日: 2025-02-18 14:11:48.446552
Title: Learning in a Multifield Coherent Ising Machine
Title（参考訳）: マルチフィールドコヒーレントイジングマシンにおける学習
Authors: Daan de Bos, Marc Serra-Garcia,
Abstract要約: システムのハミルトニアンにおける学習規則を符号化する自己学習のための物理モデルを導入する。本稿では,長期メモリIsingマシンと短期メモリ補助フィールドとの適切な非線形相互作用の存在下で,実例から自律的に学習できることを数値的に示す。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: Physical information processors can learn from examples if they are modified according to an abstract parameter update equation, termed a learning rule. We introduce a physical model for self-learning that encodes the learning rule in the Hamiltonian of the system. The model consists of a network of multi-modal resonators. One of the modes is driven parametrically into a bi-stable regime, forming a coherent Ising machine (CIM) -- that provides the long-term memory that stores learned responses (weights). The CIM is augmented with an additional spinor field that acts as short-term (activation) memory. We numerically demonstrate that, in the presence of suitable nonlinear interactions between the long-term memory Ising machine and the short-term memory auxiliary field, the system autonomously learns from examples.
Abstract（参考訳）: 物理情報プロセッサは、学習規則と呼ばれる抽象パラメータ更新方程式に従って修正された場合の例から学習することができる。システムのハミルトニアンにおける学習規則を符号化する自己学習のための物理モデルを導入する。モデルはマルチモーダル共振器のネットワークで構成される。モードの1つは双安定状態にパラメトリックに駆動され、学習した応答(重み)を格納する長期記憶を提供するコヒーレントイジングマシン(CIM)を形成する。 CIMは、短期(活性化)メモリとして機能する追加のスピノルフィールドで拡張される。本稿では,長期メモリIsingマシンと短期メモリ補助フィールドとの適切な非線形相互作用の存在下で,実例から自律的に学習できることを数値的に示す。

関連論文リスト

Multilinear Kernel Regression and Imputation via Manifold Learning [5.482532589225551]
MultiL-KRIMは、空間の直感的な概念に基づいて構築され、ポイントクラウドの隣人(回帰者)間の協調を損失関数のデータモデリング用語に直接組み込む。 2つの重要なアプリケーションドメインはMultiL-KRIMの機能を示す: 時間変化グラフ信号(TVGS)リカバリと、高速な動的磁気共鳴イメージング(dMRI)データの再構成である。
論文参考訳（メタデータ） (2024-02-06T02:50:42Z)
Sparse Modular Activation for Efficient Sequence Modeling [94.11125833685583]
線形状態空間モデルと自己アテンション機構を組み合わせた最近のモデルでは、様々なシーケンスモデリングタスクにおいて顕著な結果が示されている。現在のアプローチでは、アテンションモジュールを静的かつ均一に入力シーケンスのすべての要素に適用し、最適以下の品質効率のトレードオフをもたらす。 SMA(Sparse Modular Activation)は,ニューラルネットワークが配列要素のサブモジュールを異なる方法でスパースに活性化する機構である。
論文参考訳（メタデータ） (2023-06-19T23:10:02Z)
The Expressive Leaky Memory Neuron: an Efficient and Expressive Phenomenological Neuron Model Can Solve Long-Horizon Tasks [64.08042492426992]
本稿では,脳皮質ニューロンの生物学的モデルであるExpressive Memory(ELM)ニューロンモデルを紹介する。 ELMニューロンは、上記の入力-出力関係を1万以下のトレーニング可能なパラメータと正確に一致させることができる。本稿では,Long Range Arena(LRA)データセットなど,時間構造を必要とするタスクで評価する。
論文参考訳（メタデータ） (2023-06-14T13:34:13Z)
Semiparametric Language Models Are Scalable Continual Learners [83.74414880208334]
セミパラメトリック言語モデル(LM)は、新しいテキストデータから継続的に学習する上で有望であることを示す。 Selective Memorization(SeMem)と呼ばれるシンプルで直感的なアプローチを提案する。 SeMemは、モデルが苦労する可能性のある難しいサンプルのみを記憶している。
論文参考訳（メタデータ） (2023-03-02T17:15:02Z)
Sparse Coding in a Dual Memory System for Lifelong Learning [13.041607703862724]
Brainは、重複しないスパースコードの情報を効率的にエンコードする。我々はマルチメモリ再生機構においてスパース符号化を用いる。本手法は,作業モデルのシナプス重みに符号化された情報を集約し,集約する,長期的セマンティックメモリを新たに維持する。
論文参考訳（メタデータ） (2022-12-28T12:56:15Z)
Dynamically-Scaled Deep Canonical Correlation Analysis [77.34726150561087]
カノニカル相関解析 (CCA) は, 2つのビューの特徴抽出手法である。本稿では,入力依存の正準相関モデルをトレーニングするための新しい動的スケーリング手法を提案する。
論文参考訳（メタデータ） (2022-03-23T12:52:49Z)
Deep Explicit Duration Switching Models for Time Series [84.33678003781908]
状態依存型と時間依存型の両方のスイッチングダイナミクスを識別できるフレキシブルモデルを提案する。状態依存スイッチングは、リカレントな状態-スイッチ接続によって実現される。時間依存スイッチング動作を改善するために、明示的な期間カウント変数が使用される。
論文参考訳（メタデータ） (2021-10-26T17:35:21Z)
A Framework for Machine Learning of Model Error in Dynamical Systems [7.384376731453594]
データから動的システムを特定するために,機械的アプローチと機械学習アプローチを混在させる統一フレームワークを提案する。モデルエラーがメモリレスであり、大きなメモリを持つ問題に対して、連続時間と離散時間の両方で問題を提起した。ハイブリッド手法は、データ飢餓、モデルの複雑さの要求、全体的な予測性能において、データ駆動アプローチよりも大幅に優れています。
論文参考訳（メタデータ） (2021-07-14T12:47:48Z)
Adaptive Semiparametric Language Models [17.53604394786977]
本稿では,大規模パラメトリックニューラルネットワーク(トランスフォーマー)と非パラメトリックエピソードメモリコンポーネントを組み合わせた言語モデルを提案する。単語ベースおよび文字ベース言語モデリングデータセットの実験により,提案手法の有効性を実証した。
論文参考訳（メタデータ） (2021-02-04T11:47:03Z)
Theory of gating in recurrent neural networks [5.672132510411465]
リカレントニューラルネットワーク(Recurrent Neural Network, RNN)は、機械学習(ML)や神経科学で広く使われている強力な動的モデルである。ここでは、ゲーティングが集合力学の2つの健全な特徴を柔軟に制御できることを示す。ゲート制御の時間スケールは、ネットワークがフレキシブルインテグレータとして機能する、新しい、極端に安定な状態につながる。
論文参考訳（メタデータ） (2020-07-29T13:20:58Z)
Incremental Training of a Recurrent Neural Network Exploiting a Multi-Scale Dynamic Memory [79.42778415729475]
本稿では,マルチスケール学習を対象とする,漸進的に訓練された再帰的アーキテクチャを提案する。隠れた状態を異なるモジュールに分割することで、シンプルなRNNのアーキテクチャを拡張する方法を示す。新しいモジュールがモデルに反復的に追加され、徐々に長い依存関係を学習するトレーニングアルゴリズムについて議論する。
論文参考訳（メタデータ） (2020-06-29T08:35:49Z)

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。