Fugu-MT 論文翻訳(概要): Attractor-merging Crises and Intermittency in Reservoir Computing

論文の概要: Attractor-merging Crises and Intermittency in Reservoir Computing

arxiv url: http://arxiv.org/abs/2504.12695v1
Date: Thu, 17 Apr 2025 06:48:51 GMT
ステータス: 翻訳完了
システム内更新日: 2025-04-25 22:30:40.010794
Title: Attractor-merging Crises and Intermittency in Reservoir Computing
Title（参考訳）: 貯留層コンピューティングにおけるトラクターマージの危機と断続性
Authors: Tempei Kabayama, Motomasa Komuro, Yasuo Kuniyoshi, Kazuyuki Aihara, Kohei Nakajima,
Abstract要約: 貯留層コンピューティングは、ランダムニューラルネットワーク(RNN)にアトラクタを埋め込むことができる我々は,グローバルパラメータを調整するだけで,間欠性を伴うアトラクタ統合の危機が生じることを報告した。
参考スコア（独自算出の注目度）: 3.7399138244928145
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Reservoir computing can embed attractors into random neural networks (RNNs), generating a ``mirror'' of a target attractor because of its inherent symmetrical constraints. In these RNNs, we report that an attractor-merging crisis accompanied by intermittency emerges simply by adjusting the global parameter. We further reveal its underlying mechanism through a detailed analysis of the phase-space structure and demonstrate that this bifurcation scenario is intrinsic to a general class of RNNs, independent of training data.
Abstract（参考訳）: 貯留層計算は、アトラクタをランダムニューラルネットワーク(RNN)に埋め込むことができ、その固有の対称的制約のため、ターゲットアトラクタの‘mirror’を生成する。これらのRNNでは,グローバルパラメータを調整するだけで,間欠性を伴うアトラクタ統合の危機が生じることを報告している。さらに、位相空間構造を詳細に解析することにより、その基盤となるメカニズムを明らかにし、この分岐シナリオが訓練データとは独立に、一般のRNNに固有のものであることを示す。

関連論文リスト

SIGMA: Scalable Spectral Insights for LLM Collapse [51.863164847253366]
SIGMA(Spectral Inequalities for Gram Matrix Analysis)は,モデル崩壊のための統一的なフレームワークである。行列のスペクトル上の決定論的境界を導出するベンチマークを利用することで、SIGMAは表現空間の収縮を追跡するために数学的に基底化された計量を提供する。我々は、SIGMAが状態への遷移を効果的に捉え、崩壊のメカニズムに関する理論的知見の両方を提供することを示した。
論文参考訳（メタデータ） (2026-01-06T19:47:11Z)
Mechanistic Analysis of Circuit Preservation in Federated Learning [0.3823356975862005]
フェデレートラーニング(FL)は、分散データ上でモデルの協調訓練を可能にするが、その性能は非IIDデータ条件下で著しく低下する。本稿では、メカニスティック・インタプリタビリティ(MI)のレンズによる標準FedAvgアルゴリズムについて検討し、この故障モードを診断する。
論文参考訳（メタデータ） (2025-12-28T19:03:14Z)
Towards agent-based-model informed neural networks [0.5787117733071417]
エージェントベースモデルの基本原理と整合したニューラルネットワークを設計するためのフレームワークを提案する。複雑さの増加に関する3つのケーススタディにまたがって、このフレームワークを検証する。
論文参考訳（メタデータ） (2025-12-05T14:50:50Z)
Federated Attention: A Distributed Paradigm for Collaborative LLM Inference over Edge Networks [63.541114376141735]
大規模言語モデル(LLM)は、さまざまなアプリケーションシナリオにまたがってインテリジェントな機能を提供しながら、急速に普及しています。しかし、彼らの共同シナリオにおける実践的なデプロイは、プライバシの脆弱性、通信オーバーヘッド、計算ボトルネックといった根本的な課題に直面します。我々はフェデレート・アテンション(FedAttn)を提案し、フェデレーション・パラダイムを自己注意機構に統合する。
論文参考訳（メタデータ） (2025-11-04T15:14:58Z)
Mechanistic Interpretability of RNNs emulating Hidden Markov Models [2.786617687297761]
リカレントニューラルネットワーク(Recurrent Neural Network, RNN)は、神経科学において、神経集団の潜伏ダイナミクスを推論するための強力なアプローチを提供する。 RNNは、隠れマルコフモデルの放射統計を再現し、訓練されたネットワークをリバースエンジニアリングして、実装するメカニズムを明らかにすることができる。
論文参考訳（メタデータ） (2025-10-29T16:42:07Z)
Attention-based clustering [6.527016551650139]
トランスフォーマーは、幅広い学習タスクに対処できる強力なニューラルネットワークアーキテクチャとして登場した。本研究では、教師なしの環境でデータから構造を自動的に抽出する能力を理論的に分析する。
論文参考訳（メタデータ） (2025-05-19T13:39:56Z)
Global Convergence and Rich Feature Learning in $L$-Layer Infinite-Width Neural Networks under $μ$P Parametrization [66.03821840425539]
本稿では, テンソル勾配プログラム(SGD)フレームワークを用いた$L$層ニューラルネットワークのトレーニング力学について検討する。 SGDにより、これらのネットワークが初期値から大きく逸脱する線形独立な特徴を学習できることを示す。このリッチな特徴空間は、関連するデータ情報をキャプチャし、トレーニングプロセスの収束点が世界最小であることを保証する。
論文参考訳（メタデータ） (2025-03-12T17:33:13Z)
Learning Identifiable Structures Helps Avoid Bias in DNN-based Supervised Causal Learning [56.22841701016295]
Supervised Causal Learning (SCL)はこの分野で新興パラダイムである。既存のディープニューラルネットワーク(DNN)ベースの手法では、"Node-Edgeアプローチ"が一般的である。
論文参考訳（メタデータ） (2025-02-15T19:10:35Z)
Applying Hybrid Graph Neural Networks to Strengthen Credit Risk Analysis [4.457653449326353]
本稿では, グラフ畳み込みニューラルネットワーク(GCNN)を用いた信用リスク予測手法を提案する。提案手法は、従来の信用リスク評価モデルが直面する課題、特に不均衡なデータセットを扱う際の課題に対処する。この研究は、信用リスク予測の精度を向上させるためのGCNNの可能性を示し、金融機関にとって堅牢なソリューションを提供する。
論文参考訳（メタデータ） (2024-10-05T20:49:05Z)
Risk Analysis in Customer Relationship Management via Quantile Region Convolutional Neural Network-Long Short-Term Memory and Cross-Attention Mechanism [3.5987853812352837]
本稿では、QRCNN-LSTM(quantile region convolutional neural network-long short-term memory)と、モデリングのためのクロスアテンション機構の利点を組み合わせた。 QRCNN-LSTMモデルは、シーケンスモデリングと自然言語処理タスクで一般的に使用されるディープラーニングアーキテクチャを組み合わせる。クロスアテンションメカニズムは、異なる入力データ部分間のインタラクションを強化し、モデルがリスク分析に関連する特定の領域や特徴に集中できるようにする。
論文参考訳（メタデータ） (2024-08-22T03:55:28Z)
Episodic Memory Theory for the Mechanistic Interpretation of Recurrent Neural Networks [3.683202928838613]
本稿では,最近提案された一般逐次記憶モデルにおいて,RNNを離散時間アナログとして概念化できるという,エピソード記憶理論(EMT)を提案する。本稿では,RNNにおける変数結合の振る舞いを探索するアルゴリズムを新たに導入する。実験により、訓練されたRNNは可変結合回路に一貫して収束し、RNNのダイナミクスの普遍性を示すことが明らかとなった。
論文参考訳（メタデータ） (2023-10-03T20:52:37Z)
Dense Hebbian neural networks: a replica symmetric picture of unsupervised learning [4.133728123207142]
我々は、監督なしで訓練された密集的で連想的なニューラルネットを考える。本稿では,モンテカルロシミュレーションを用いて,その計算能力を解析的に,統計力学的手法を用いて,数値解析的に検討する。
論文参考訳（メタデータ） (2022-11-25T12:40:06Z)
Risk-Averse MPC via Visual-Inertial Input and Recurrent Networks for Online Collision Avoidance [95.86944752753564]
本稿では,モデル予測制御(MPC)の定式化を拡張したオンライン経路計画アーキテクチャを提案する。我々のアルゴリズムは、状態推定の共分散を推論するリカレントニューラルネットワーク(RNN)とオブジェクト検出パイプラインを組み合わせる。本手法のロバスト性は, 複雑な四足歩行ロボットの力学で検証され, ほとんどのロボットプラットフォームに適用可能である。
論文参考訳（メタデータ） (2020-07-28T07:34:30Z)
Modeling from Features: a Mean-field Framework for Over-parameterized Deep Neural Networks [54.27962244835622]
本稿では、オーバーパラメータ化ディープニューラルネットワーク(DNN)のための新しい平均場フレームワークを提案する。このフレームワークでは、DNNは連続的な極限におけるその特徴に対する確率測度と関数によって表現される。本稿では、標準DNNとResidual Network(Res-Net)アーキテクチャを通してフレームワークを説明する。
論文参考訳（メタデータ） (2020-07-03T01:37:16Z)
Lipschitz Recurrent Neural Networks [100.72827570987992]
我々のリプシッツ再帰ユニットは、他の連続時間RNNと比較して、入力やパラメータの摂動に対してより堅牢であることを示す。実験により,Lipschitz RNNは,ベンチマークタスクにおいて,既存のリカレントユニットよりも優れた性能を発揮することが示された。
論文参考訳（メタデータ） (2020-06-22T08:44:52Z)
Local Propagation in Constraint-based Neural Network [77.37829055999238]
ニューラルネットワークアーキテクチャの制約に基づく表現について検討する。本稿では,いわゆるアーキテクチャ制約を満たすのに適した簡単な最適化手法について検討する。
論文参考訳（メタデータ） (2020-02-18T16:47:38Z)

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。