論文の概要: Impact of internal noise on convolutional neural networks

• arxiv url: http://arxiv.org/abs/2505.06611v1
• Date: Sat, 10 May 2025 11:49:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-13 20:21:48.940097
• Title: Impact of internal noise on convolutional neural networks
• Title（参考訳）: 畳み込みニューラルネットワークにおける内部雑音の影響
• Authors: Ivan Kolesnikov, Nadezhda Semenova,
• Abstract要約: 単純化された畳み込みネットワークにおける雑音の影響について検討する。 非相関ノイズの伝搬は接続行列の統計的性質に依存する。 ネットワークの出力信号における雑音レベルの解析は,数値シミュレーションの結果と強い相関関係を示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper, we investigate the impact of noise on a simplified trained convolutional network. The types of noise studied originate from a real optical implementation of a neural network, but we generalize these types to enhance the applicability of our findings on a broader scale. The noise types considered include additive and multiplicative noise, which relate to how noise affects individual neurons, as well as correlated and uncorrelated noise, which pertains to the influence of noise across one layers. We demonstrate that the propagation of uncorrelated noise primarily depends on the statistical properties of the connection matrices. Specifically, the mean value of the connection matrix following the layer impacted by noise governs the propagation of correlated additive noise, while the mean of its square contributes to the accumulation of uncorrelated noise. Additionally, we propose an analytical assessment of the noise level in the network's output signal, which shows a strong correlation with the results of numerical simulations.
• Abstract（参考訳）: 本稿では,単純化した畳み込みネットワークにおける雑音の影響について検討する。 研究されたノイズの種類は、ニューラルネットワークの実際の光学的実装に由来するが、より広い範囲で研究結果の適用性を高めるために、これらのタイプを一般化する。 検討されたノイズタイプには、個々のニューロンにノイズがどう影響するかに関連する加算ノイズと乗法ノイズ、および1つの層にまたがるノイズの影響に関連する相関ノイズと非相関ノイズが含まれる。 非相関雑音の伝搬は、主に接続行列の統計的性質に依存することを示す。 具体的には、結合行列の平均値は相関付加音の伝搬を制御し、その正方形の平均は非相関雑音の蓄積に寄与する。 さらに,ネットワークの出力信号の雑音レベルを解析的に評価し,数値シミュレーションの結果と強い相関関係を示す。

関連論文リスト

• Internal noise in hardware deep and recurrent neural networks helps with learning [0.0]
  ニューラルネットワークのトレーニング中の内部ノイズは、リカレントおよびディープニューラルネットワークの最終性能に影響を与える。 ほとんどの場合、ディープ状態とエコー状態のネットワークは、トレーニング中の内部ノイズの恩恵を受ける。
  論文  参考訳（メタデータ） (2025-04-18T16:26:46Z)
• Impact of white noise in artificial neural networks trained for classification: performance and noise mitigation strategies [0.0]
  ニューロンレベルでの加法的および乗法的なガウスホワイトノイズがネットワークの精度に与える影響を考察する。 我々はいくつかのノイズ低減手法を分類タスクの基本設定に適用する。
  論文  参考訳（メタデータ） (2024-11-07T01:21:12Z)
• Dynamics of decoherence in a noisy driven environment [0.0]
  環境の非平衡臨界ダイナミクスによるデコヒーレンスは、非相関ノイズと相関ノイズの存在下で増幅されることを示す。 量子ビットと環境との強い結合は、デコヒーレンスの部分的な回復をもたらす。 我々は、ノイズの存在下で減衰するが、ノイズ相関時間が増加するにつれて増加するという、力学の非マルコビアン性を探究する。
  論文  参考訳（メタデータ） (2024-09-02T17:12:00Z)
• Impact of white Gaussian internal noise on analog echo-state neural networks [0.0]
  本稿では、訓練されたエコー状態ネットワーク(ESN)の例を用いて、リカレントネットワークの機能に及ぼすノイズの影響について検討する。 貯水池内の騒音の伝搬は, 主に出力接続行列の統計的特性によって制御されていることを示す。 また,10～20ドル(約10～20万円)の強度を持つノイズでも,有効信号を完全に失うには十分であることを示す。
  論文  参考訳（メタデータ） (2024-05-13T11:59:20Z)
• Feature Noise Boosts DNN Generalization under Label Noise [65.36889005555669]
  トレーニングデータにおけるラベルノイズの存在は、ディープニューラルネットワーク(DNN)の一般化に大きな影響を与える 本研究では,学習データの特徴に直接ノイズを付加する単純な特徴雑音法を,理論的に導入し,理論的に実証する。
  論文  参考訳（メタデータ） (2023-08-03T08:31:31Z)
• Noise impact on recurrent neural network with linear activation function [0.0]
  エコー状態ネットワーク(ESN)の例に基づく繰り返しANNにおける内部雑音伝搬の特異性について検討する。 ここでは、人工ニューロンが傾斜係数の異なる線形活性化関数を持つ場合について考察する。 ESN出力信号の分散と信号-雑音比の一般的な見方は1つのニューロンに類似していることが判明した。
  論文  参考訳（メタデータ） (2023-03-23T13:43:05Z)
• Robust Semantic Communications with Masked VQ-VAE Enabled Codebook [56.63571713657059]
  本稿では,ロバストなエンドツーエンドのセマンティック通信システムにおいて,セマンティックノイズに対処するためのフレームワークを提案する。 セマンティックノイズに対処するため、重み付き対向トレーニングを開発し、トレーニングデータセットにセマンティックノイズを組み込む。 ノイズやタスク非関連の特徴を抑える機能重要モジュール (FIM) を開発した。
  論文  参考訳（メタデータ） (2022-06-08T16:58:47Z)
• Learning Noise via Dynamical Decoupling of Entangled Qubits [49.38020717064383]
  絡み合った量子系のノイズは、複数の自由度を含む多体効果のために特徴付けるのが困難である。 2キュービットゲートで発生する雑音を特徴付けるマルチキュービットダイナミックデカップリングシーケンスを開発し,適用する。
  論文  参考訳（メタデータ） (2022-01-26T20:22:38Z)
• Removing Noise from Extracellular Neural Recordings Using Fully Convolutional Denoising Autoencoders [62.997667081978825]
  ノイズの多いマルチチャネル入力からクリーンなニューロン活動信号を生成することを学習する完全畳み込みデノイングオートエンコーダを提案する。 シミュレーションデータを用いた実験結果から,提案手法はノイズ崩壊型ニューラルネットワークの品質を大幅に向上させることができることがわかった。
  論文  参考訳（メタデータ） (2021-09-18T14:51:24Z)
• Adaptive noise imitation for image denoising [58.21456707617451]
  本研究では,自然雑音画像からノイズデータを合成できる新しいテキストバッファ適応ノイズ模倣(ADANI)アルゴリズムを開発した。 現実的なノイズを生成するため、ノイズ発生装置はノイズ発生のガイドとなる雑音/クリーン画像を入力として利用する。 ADANIから出力されるノイズデータとそれに対応する基盤構造とを結合すると、デノイングCNNは、完全に教師された方法で訓練される。
  論文  参考訳（メタデータ） (2020-11-30T02:49:36Z)

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。