論文の概要: The receptron is a nonlinear threshold logic gate with intrinsic multi-dimensional selective capabilities for analog inputs

• arxiv url: http://arxiv.org/abs/2506.19642v1
• Date: Tue, 24 Jun 2025 14:04:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-25 19:48:23.662507
• Title: The receptron is a nonlinear threshold logic gate with intrinsic multi-dimensional selective capabilities for analog inputs
• Title（参考訳）: レセプトロンは、アナログ入力に固有の多次元選択機能を持つ非線形しきい値論理ゲートである
• Authors: B. Paroli, F. Borghi, M. A. C. Potenza, P. Milani,
• Abstract要約: Threshold logic gates (TLG) は、分類能力を持つ生物学的ニューロンの人工的対応として提案されている。 入力依存重み関数を特徴とするレセプトロンと呼ばれるTLGモデルの一般化により、分類性能が大幅に向上する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Threshold logic gates (TLGs) have been proposed as artificial counterparts of biological neurons with classification capabilities based on a linear predictor function combining a set of weights with the feature vector. The linearity of TLGs limits their classification capabilities requiring the use of networks for the accomplishment of complex tasks. A generalization of the TLG model called receptron, characterized by input-dependent weight functions allows for a significant enhancement of classification performances even with the use of a single unit. Here we formally demonstrate that a receptron, characterized by nonlinear input-dependent weight functions, exhibit intrinsic selective activation properties for analog inputs, when the input vector is within cubic domains in a 3D space. The proposed model can be extended to the n-dimensional case for multidimensional applications. Our results suggest that receptron-based networks can represent a new class of devices capable to manage a large number of analog inputs, for edge applications requiring high selectivity and classification capabilities without the burden of complex training.
• Abstract（参考訳）: Threshold logic gates (TLG) は、一組の重みと特徴ベクトルを組み合わせた線形予測関数に基づく分類機能を持つ生物学的ニューロンの人工的対応として提案されている。 TLGの線形性は、複雑なタスクの達成のためにネットワークを使用する必要がある分類能力を制限する。 入力依存重み関数を特徴とするレセプトロンと呼ばれる TLG モデルの一般化は、単一単位を用いても、分類性能を大幅に向上させることができる。 ここでは、非線形入力依存重み関数を特徴とするレセプトロンが、入力ベクトルが3次元空間内の立方領域内にある場合に、アナログ入力に対して固有の選択活性化特性を示すことを正式に示す。 提案したモデルは多次元応用の n 次元の場合にまで拡張することができる。 以上の結果から,レセプトロンネットワークは,複雑な訓練の負担を伴わずに,高い選択性や分類能力を必要とするエッジアプリケーションに対して,多数のアナログ入力を管理する新しい種類のデバイスを表現できることが示唆された。

関連論文リスト

• Single-Qudit Quantum Neural Networks for Multiclass Classification [0.0]
  本稿では,マルチクラス分類のための単一量子ニューラルネットワークを提案する。 我々の設計では$d$次元のユニタリ演算子を使用し、$d$はクラスの数に対応する。 我々は,MNISTデータセットとEMNISTデータセットを用いたモデルの評価を行い,競合精度を実証した。
  論文  参考訳（メタデータ） (2025-03-12T11:12:05Z)
• Distributed Representations Enable Robust Multi-Timescale Symbolic Computation in Neuromorphic Hardware [3.961418890143814]
  本稿では,ロバストなマルチスケールダイナミックスをアトラクタベースRSNNに組み込むシングルショット重み学習方式について述べる。 対称自己解離重み行列を重畳することにより、有限状態機械をRSNN力学に組み込む。 この研究は、リカレントダイナミクスによる堅牢な記号計算をニューロモルフィックハードウェアに組み込むスケーラブルなアプローチを導入している。
  論文  参考訳（メタデータ） (2024-05-02T14:11:50Z)
• Optimising for Interpretability: Convolutional Dynamic Alignment Networks [108.83345790813445]
  我々は、畳み込み動的アライメントネットワーク(CoDA Nets)と呼ばれる新しいニューラルネットワークモデルを紹介する。 彼らの中核となるビルディングブロックは動的アライメントユニット(DAU)であり、タスク関連パターンに合わせて動的に計算された重みベクトルで入力を変換するように最適化されている。 CoDAネットは一連の入力依存線形変換を通じて分類予測をモデル化し、出力を個々の入力コントリビューションに線形分解することができる。
  論文  参考訳（メタデータ） (2021-09-27T12:39:46Z)
• Convolutional Dynamic Alignment Networks for Interpretable Classifications [108.83345790813445]
  我々は、畳み込み動的アライメントネットワーク(CoDA-Nets)と呼ばれる新しいニューラルネットワークモデルを紹介する。 コアとなるビルディングブロックは動的アライメントユニット(DAU)で、入力をタスク関連パターンと動的に整合する重みベクトルで線形に変換する。 CoDA-Netsは一連の入力依存線形変換を通じて分類予測をモデル化し、出力を個々の入力コントリビューションに線形分解することができる。
  論文  参考訳（メタデータ） (2021-03-31T18:03:53Z)
• A Functional Perspective on Learning Symmetric Functions with Neural Networks [48.80300074254758]
  本研究では,測定値に基づいて定義されたニューラルネットワークの学習と表現について検討する。 正規化の異なる選択の下で近似と一般化境界を確立する。 得られたモデルは効率よく学習でき、入力サイズにまたがる一般化保証を享受できる。
  論文  参考訳（メタデータ） (2020-08-16T16:34:33Z)
• Refined Gate: A Simple and Effective Gating Mechanism for Recurrent Units [68.30422112784355]
  本稿では,この問題に対処する一般ゲートリカレントニューラルネットワークにおける新しいゲーティング機構を提案する。 提案したゲートは、抽出された入力特徴とバニラゲートの出力を直接的にショートする。 LSTM, GRU, MGUの3種類のゲートRNNに対して, 提案したゲーティング機構を検証する。
  論文  参考訳（メタデータ） (2020-02-26T07:51:38Z)

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。

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。