Fugu-MT 論文翻訳(概要): A Review on Zeroing Neural Networks

論文の概要: A Review on Zeroing Neural Networks

arxiv url: http://arxiv.org/abs/2507.00387v1
Date: Tue, 01 Jul 2025 02:49:25 GMT
ステータス: 翻訳完了
システム内更新日: 2025-07-03 14:22:59.235794
Title: A Review on Zeroing Neural Networks
Title（参考訳）: Zeroing Neural Networks の概要
Authors: Chengze Jiang, Jie Gui, Long Jin, Shuai Li,
Abstract要約: ゼロリングニューラルネットワーク(ZNN)は、時間変化の最適化と制御問題において優れた性能を示した。異なるZNN間の関係とそれらの派生について、いくつかの研究がなされている。本稿では,ZNNの手法,解析理論,実用化に関する進捗状況について調査する。
参考スコア（独自算出の注目度）: 27.13986813803674
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Zeroing neural networks (ZNNs) have demonstrated outstanding performance on time-varying optimization and control problems. Nonetheless, few studies are committed to illustrating the relationship among different ZNNs and the derivation of them. Therefore, reviewing the advances for a systematical understanding of this field is desirable. This paper provides a survey of ZNNs' progress regarding implementing methods, analysis theory, and practical applications.
Abstract（参考訳）: ゼロリングニューラルネットワーク(ZNN)は、時間変化の最適化と制御問題において優れた性能を示した。それにもかかわらず、異なるZNN間の関係とそれらの導出に関する研究はほとんど行われていない。したがって、この分野の体系的理解の進歩をレビューすることが望ましい。本稿では,ZNNの手法,解析理論,実用化に関する進捗状況について調査する。

関連論文リスト

Uncertainty in Graph Neural Networks: A Survey [47.785948021510535]
グラフニューラルネットワーク(GNN)は、様々な現実世界のアプリケーションで広く使われている。しかし、多様な情報源から生じるGNNの予測的不確実性は、不安定で誤った予測につながる可能性がある。本調査は,不確実性の観点からGNNの概要を概観することを目的としている。
論文参考訳（メタデータ） (2024-03-11T21:54:52Z)
Efficient and Effective Time-Series Forecasting with Spiking Neural Networks [47.371024581669516]
スパイキングニューラルネットワーク(SNN)は、時間データの複雑さを捉えるためのユニークな経路を提供する。 SNNを時系列予測に適用することは、効果的な時間的アライメントの難しさ、符号化プロセスの複雑さ、およびモデル選択のための標準化されたガイドラインの欠如により困難である。本稿では,時間情報処理におけるスパイクニューロンの効率を活かした時系列予測タスクにおけるSNNのためのフレームワークを提案する。
論文参考訳（メタデータ） (2024-02-02T16:23:50Z)
Exploring Causal Learning through Graph Neural Networks: An In-depth Review [12.936700685252145]
因果関係の研究に用いられている様々な最先端のGNN手法を包含する新しい分類法を提案する。 GNNは、その因果領域における応用に基づいてさらに分類される。このレビューは、多様な分野にわたる因果学習の適用にも触れている。
論文参考訳（メタデータ） (2023-11-25T10:46:06Z)
Spectral Neural Networks: Approximation Theory and Optimization Landscape [6.967392207053043]
本稿では,SNN(Spectral Neural Network)トレーニングの重要な理論的側面について述べる。まず、ニューロンの数とニューラルネットワークが学習するスペクトル情報の量とのトレードオフに関する定量的知見を示す。
論文参考訳（メタデータ） (2023-10-01T17:03:47Z)
On the Disconnect Between Theory and Practice of Neural Networks: Limits of the NTK Perspective [9.753461673117362]
ニューラル・タンジェント・カーネル(NTK)は、大規模ニューラルネットワークの振る舞いを記述する理論的枠組みとして注目されている。カーネル体制への収束率の定量化の現在の結果は、これらの利点を利用するには、それらよりも桁違いに広いアーキテクチャが必要であることを示唆している。本研究は,大規模建築物の実用的関連挙動を予測するための限界条件について検討する。
論文参考訳（メタデータ） (2023-09-29T20:51:24Z)
A Survey on Explainability of Graph Neural Networks [4.612101932762187]
グラフニューラルネットワーク(GNN)は、グラフベースの強力なディープラーニングモデルである。本調査は,GNNの既存の説明可能性技術の概要を概観することを目的としている。
論文参考訳（メタデータ） (2023-06-02T23:36:49Z)
Developing Constrained Neural Units Over Time [81.19349325749037]
本稿では,既存のアプローチと異なるニューラルネットワークの定義方法に焦点をあてる。ニューラルネットワークの構造は、データとの相互作用にも拡張される制約の特別なクラスによって定義される。提案した理論は時間領域にキャストされ, データを順序づけられた方法でネットワークに提示する。
論文参考訳（メタデータ） (2020-09-01T09:07:25Z)
A Chain Graph Interpretation of Real-World Neural Networks [58.78692706974121]
本稿では,NNを連鎖グラフ(CG)、フィードフォワードを近似推論手法として識別する別の解釈を提案する。 CG解釈は、確率的グラフィカルモデルのリッチな理論的枠組みの中で、各NNコンポーネントの性質を規定する。我々は,CG解釈が様々なNN技術に対する新しい理論的支援と洞察を提供することを示す具体例を実例で示す。
論文参考訳（メタデータ） (2020-06-30T14:46:08Z)
Optimization and Generalization Analysis of Transduction through Gradient Boosting and Application to Multi-scale Graph Neural Networks [60.22494363676747]
現在のグラフニューラルネットワーク(GNN)は、オーバースムーシング(over-smoothing)と呼ばれる問題のため、自分自身を深くするのは難しいことが知られている。マルチスケールGNNは、オーバースムーシング問題を緩和するための有望なアプローチである。マルチスケールGNNを含むトランスダクティブ学習アルゴリズムの最適化と一般化を保証する。
論文参考訳（メタデータ） (2020-06-15T17:06:17Z)

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。