論文の概要: Harmonic fractal transformation for modeling complex neuronal effects: from bursting and noise shaping to waveform sensitivity and noise-induced subthreshold spiking
- arxiv url: http://arxiv.org/abs/2508.05341v1
- Date: Thu, 07 Aug 2025 12:42:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-08 18:59:39.857895
- Title: Harmonic fractal transformation for modeling complex neuronal effects: from bursting and noise shaping to waveform sensitivity and noise-induced subthreshold spiking
- Title（参考訳）: 複雑なニューロン効果のモデル化のための高調波フラクタル変換-バーストとノイズシェーピングから波形感度と雑音によるサブスレッショルドスパイキングまで-
- Authors: Mariia Sorokina,
- Abstract要約: 簡単な形態で複雑なニューロン効果を再現できる最初のフラクタル周波数マッピングを提案する。
提案モデルでは、非線形変換周波数領域上でのスペクトルの線形和として神経機能を捉えることができる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: We propose the first fractal frequency mapping, which in a simple form enables to replicate complex neuronal effects. Unlike the conventional filters, which suppress or amplify the input spectral components according to the filter weights, the transformation excites novel components by a fractal recomposition of the input spectra resulting in a formation of spikes at resonant frequencies that are optimal for sampling. This enables high sensitivity detection, robustness to noise and noise-induced signal amplification. The proposed model illustrates that a neuronal functionality can be viewed as a linear summation of spectrum over nonlinearly transformed frequency domain.
- Abstract（参考訳）: 簡単な形態で複雑なニューロン効果を再現できる最初のフラクタル周波数マッピングを提案する。
フィルタ重みに応じて入力スペクトル成分を抑圧または増幅する従来のフィルタとは異なり、この変換は入力スペクトルのフラクタル再構成により新規成分を励起し、サンプリングに最適な共鳴周波数でのスパイクを形成する。
これにより、高感度検出、ノイズに対する堅牢性、およびノイズによる信号増幅が可能となる。
提案モデルでは、非線形変換周波数領域上でのスペクトルの線形和として神経機能を捉えることができる。
関連論文リスト
- Additive decomposition of one-dimensional signals using Transformers [48.7025991956527]
一次元信号分解は、様々な科学分野において確立され広く使われている技術である。
近年の研究では、この問題に最新のディープラーニングモデルを適用すると、期待できる可能性を持った、エキサイティングで未探索な領域が現れることが示唆されている。
我々はTransformerアーキテクチャを利用して、信号を構成コンポーネントに分解する。
論文 参考訳（メタデータ） (2025-06-06T10:09:40Z) - Spectral Dictionary Learning for Generative Image Modeling [0.0]
画像合成のためのスペクトル生成モデルを提案する。
画像は、一連の学習スペクトル基底関数の線形結合として再構成される。
提案手法は, 再現性, 知覚的忠実度の観点から, 競争性能の向上を図っている。
論文 参考訳（メタデータ） (2025-04-21T01:11:17Z) - Spectrum analysis with parametrically modulated transmon qubits [0.0]
本稿では、量子ビットのエネルギーギャップのパラメトリック変調と動的デカップリングシーケンスを融合させるパラメトリック分光法を紹介する。
我々の理論的研究は、パラメトリック分光がトランスモン中のフラックススペクトルの難しい高周波領域へのアクセスを可能にすることを示唆している。
論文 参考訳（メタデータ） (2025-03-07T09:16:20Z) - Simulating Quantum Light in Lossy Microring Resonators Driven by Strong Pulses [6.660834045805309]
単一リング共振器におけるパルス光子対生成の量子論を提案する。
このアプローチは、ハイゼンベルク図形入力出力形式と古典非線形光学からの池田写像を組み合わせる。
論文 参考訳（メタデータ） (2024-08-20T12:15:54Z) - Spatial Annealing for Efficient Few-shot Neural Rendering [73.49548565633123]
我々はtextbfSpatial textbf Annealing regularized textbfNeRF (textbfSANeRF) という,正確で効率的な数発のニューラルレンダリング手法を導入する。
単に1行のコードを追加することで、SANeRFは、現在の数ショットのニューラルレンダリング方法と比較して、より優れたレンダリング品質とはるかに高速な再構築速度を提供する。
論文 参考訳（メタデータ） (2024-06-12T02:48:52Z) - WaveNeRF: Wavelet-based Generalizable Neural Radiance Fields [149.2296890464997]
我々は、ウェーブレット周波数分解をMVSとNeRFに統合したWaveNeRFを設計する。
WaveNeRFは、3つの画像のみを入力として与えたときに、より優れた一般化可能な放射場モデリングを実現する。
論文 参考訳（メタデータ） (2023-08-09T09:24:56Z) - Digital noise spectroscopy with a quantum sensor [57.53000001488777]
本稿では,ノイズプロセスの自己相関をサンプリングし,再構成するための量子センシングプロトコルを実験的に導入し,実証する。
ウォルシュノイズ分光法はスピンフリップパルスの単純な配列を利用してディジタルフィルタの完全基底を生成する。
ダイヤモンド中の単一窒素空孔中心の電子スピン上での核スピン浴により生じる有効磁場の自己相関関数を実験的に再構成した。
論文 参考訳（メタデータ） (2022-12-19T02:19:35Z) - SpecGrad: Diffusion Probabilistic Model based Neural Vocoder with
Adaptive Noise Spectral Shaping [51.698273019061645]
SpecGradは拡散雑音に適応し、その時間変化スペクトル包絡が条件付き対数メル分光器に近づく。
時間周波数領域で処理され、計算コストは従来のDDPMベースのニューラルボコーダとほぼ同じである。
論文 参考訳（メタデータ） (2022-03-31T02:08:27Z) - Bespoke Fractal Sampling Patterns for Discrete Fourier Space via the
Kaleidoscope Transform [1.6274397329511197]
カオスセンシングは、有限の反復的再構成スキームと共に決定論的、フラクタルサンプリングを用いる。
カオスセンシングは、磁気共鳴イメージングにおいて従来の圧縮センシングよりも優れていた。
テーラーメードフラクタルサンプリングパターンを設計する能力は、カオスイメージングにおけるDFTの有用性を拡大する。
論文 参考訳（メタデータ） (2021-08-02T05:16:58Z) - Focal Frequency Loss for Image Reconstruction and Synthesis [125.7135706352493]
周波数領域の狭さが画像再構成と合成品質をさらに改善できることを示す。
本稿では,合成が難しい周波数成分に適応的に焦点を合わせることのできる,新しい焦点周波数損失を提案する。
論文 参考訳（メタデータ） (2020-12-23T17:32:04Z)
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。