Fugu-MT 論文翻訳(概要): A Winner-Takes-All Mechanism for Event Generation

論文の概要: A Winner-Takes-All Mechanism for Event Generation

arxiv url: http://arxiv.org/abs/2504.11374v1
Date: Tue, 15 Apr 2025 16:40:37 GMT
ステータス: 翻訳完了
システム内更新日: 2025-04-16 22:06:19.511673
Title: A Winner-Takes-All Mechanism for Event Generation
Title（参考訳）: イベント生成のための勝者-テークス-オール機構
Authors: Yongkang Huo, Fuvio Forni, Rodolphe Sepulchre,
Abstract要約: 本稿では,ニューロンの内在的リバウンド励起性と入出力計算を併用した,中央パターン生成設計のための新しいフレームワークを提案する。我々のアプローチは、シンプルだが強力なネットワークアーキテクチャにおいて、意思決定とリズミカルパターンの生成を統一する。
参考スコア（独自算出の注目度）: 0.5461938536945721
License:
Abstract: We present a novel framework for central pattern generator design that leverages the intrinsic rebound excitability of neurons in combination with winner-takes-all computation. Our approach unifies decision-making and rhythmic pattern generation within a simple yet powerful network architecture that employs all-to-all inhibitory connections enhanced by designable excitatory interactions. This design offers significant advantages regarding ease of implementation, adaptability, and robustness. We demonstrate its efficacy through a ring oscillator model, which exhibits adaptive phase and frequency modulation, making the framework particularly promising for applications in neuromorphic systems and robotics.
Abstract（参考訳）: 本稿では,ニューロンの内在的リバウンド励起性と入出力計算を併用した,中央パターン生成設計のための新しいフレームワークを提案する。提案手法は,設計可能な排他的相互作用によって強化されたオール・ツー・オール阻害接続を利用するシンプルなネットワークアーキテクチャにおいて,意思決定とリズムパターンの生成を統一する。この設計は、実装の容易さ、適応性、堅牢性に関する大きな利点を提供します。本稿では、適応位相と周波数変調を示すリング発振器モデルを用いて、その有効性を実証し、ニューロモルフィックシステムやロボット工学への応用を特に有望とする。

関連論文リスト

A Novel Framework for Learning Stochastic Representations for Sequence Generation and Recognition [0.0]
シーケンシャルなデータの生成と認識は、動的環境で動作する自律システムの基本である。パラメトリックバイアスを用いた新しいリカレントネットワーク(RNNPB)を提案する。我々のアプローチは、時間パターンをモデル化するためのフレームワークを提供し、人工知能とロボティクスにおける堅牢なシステムの開発を前進させる。
論文参考訳（メタデータ） (2024-12-30T07:27:50Z)
Deconstructing Recurrence, Attention, and Gating: Investigating the transferability of Transformers and Gated Recurrent Neural Networks in forecasting of dynamical systems [0.0]
我々は、RNNにおけるゲーティングと再発、トランスフォーマーにおける注意機構など、最も強力なニューラルネットワークアーキテクチャの主要なアーキテクチャコンポーネントを分解する。重要な発見は、ニューラルゲーティングとアテンションは、ほとんどのタスクにおいて標準RNNの正確性を改善する一方で、トランスフォーマーにおける再発の概念の追加は有害である。
論文参考訳（メタデータ） (2024-10-03T16:41:51Z)
A Realistic Simulation Framework for Analog/Digital Neuromorphic Architectures [73.65190161312555]
ARCANAは、混合信号ニューロモルフィック回路の特性を考慮に入れたスパイクニューラルネットワークシミュレータである。その結果,ソフトウェアでトレーニングしたスパイクニューラルネットワークの挙動を,信頼性の高い推定結果として提示した。
論文参考訳（メタデータ） (2024-09-23T11:16:46Z)
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)
End-to-End Meta-Bayesian Optimisation with Transformer Neural Processes [52.818579746354665]
本稿では,ニューラルネットワークを一般化し,トランスフォーマーアーキテクチャを用いて獲得関数を学習する,エンド・ツー・エンドの差別化可能な最初のメタBOフレームワークを提案する。我々は、この強化学習(RL)によるエンドツーエンドのフレームワークを、ラベル付き取得データの欠如に対処できるようにします。
論文参考訳（メタデータ） (2023-05-25T10:58:46Z)
Evolve Smoothly, Fit Consistently: Learning Smooth Latent Dynamics For Advection-Dominated Systems [14.553972457854517]
複雑な物理系のサロゲートモデルを学ぶための,データ駆動・時空連続フレームワークを提案する。ネットワークの表現力と特別に設計された整合性誘導正規化を利用して,低次元かつ滑らかな潜在軌道を得る。
論文参考訳（メタデータ） (2023-01-25T03:06:03Z)
Active Predicting Coding: Brain-Inspired Reinforcement Learning for Sparse Reward Robotic Control Problems [79.07468367923619]
ニューラルジェネレーティブ・コーディング(NGC)の神経認知計算フレームワークによるロボット制御へのバックプロパゲーションフリーアプローチを提案する。我々は、スパース報酬から動的オンライン学習を容易にする強力な予測符号化/処理回路から完全に構築されたエージェントを設計する。提案するActPCエージェントは,スパース(外部)報酬信号に対して良好に動作し,複数の強力なバックプロップベースのRLアプローチと競合し,性能が優れていることを示す。
論文参考訳（メタデータ） (2022-09-19T16:49:32Z)
Physics-Inspired Temporal Learning of Quadrotor Dynamics for Accurate Model Predictive Trajectory Tracking [76.27433308688592]
クオーロタのシステムダイナミクスを正確にモデル化することは、アジャイル、安全、安定したナビゲーションを保証する上で非常に重要です。本稿では,ロボットの経験から,四重項系の力学を純粋に学習するための新しい物理インスパイアされた時間畳み込みネットワーク(PI-TCN)を提案する。提案手法は,スパース時間的畳み込みと高密度フィードフォワード接続の表現力を組み合わせて,正確なシステム予測を行う。
論文参考訳（メタデータ） (2022-06-07T13:51:35Z)
Bottom-up and top-down approaches for the design of neuromorphic processing systems: Tradeoffs and synergies between natural and artificial intelligence [3.874729481138221]
ムーアの法則は指数計算能力の期待を加速させており、システム全体の性能を改善するための新たな方法を求める最終段階に近づいている。これらの方法の1つは、生物学的ニューラルネットワークシステムの柔軟性と計算効率を達成することを目的とした、脳にインスパイアされた代替コンピューティングアーキテクチャの探索である。我々は、このパラダイムシフトが実現される際の粒度の異なるレベルについて、その分野の包括的概要を提供する。
論文参考訳（メタデータ） (2021-06-02T16:51:45Z)
Machine Learning Framework for Quantum Sampling of Highly-Constrained, Continuous Optimization Problems [101.18253437732933]
本研究では,連続空間の逆設計問題を,制約のないバイナリ最適化問題にマッピングする,汎用的な機械学習ベースのフレームワークを開発する。本研究では, 熱発光トポロジを熱光応用に最適化し, (ii) 高効率ビームステアリングのための拡散メタグレーティングを行うことにより, 2つの逆設計問題に対するフレームワークの性能を示す。
論文参考訳（メタデータ） (2021-05-06T02:22:23Z)
Evaluating complexity and resilience trade-offs in emerging memory inference machines [0.6970352368216021]
深層ニューラルネットワークのコンパクトな実装は、予期せず、複数のシステム障害から崩壊するおそれがあることが示される。我々の研究は、モザイクフレームワークを利用した高性能で強力なレジリエンスへの中間経路を提案する。
論文参考訳（メタデータ） (2020-02-25T21:40:08Z)

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。