論文の概要: RVFL-X: A Novel Randomized Network Based on Complex Transformed Real-Valued Tabular Datasets

• arxiv url: http://arxiv.org/abs/2510.06278v1
• Date: Mon, 06 Oct 2025 19:11:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-09 16:41:20.090874
• Title: RVFL-X: A Novel Randomized Network Based on Complex Transformed Real-Valued Tabular Datasets
• Title（参考訳）: RVFL-X:複素変換実値タブラルデータセットに基づくランダム化ネットワーク
• Authors: M. Sajid, Mushir Akhtar, A. Quadir, M. Tanveer,
• Abstract要約: RVFL-Xは、乱数ベクトル汎関数リンク(RVFL)ネットワークの複素値拡張である。 入力、重み、アクティベーション関数などの複雑なコンポーネントを活用することで、RVFL-Xは複雑な表現を処理し、実数値出力を生成する。
• 参考スコア（独自算出の注目度）: 10.208788616684162
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent advancements in neural networks, supported by foundational theoretical insights, emphasize the superior representational power of complex numbers. However, their adoption in randomized neural networks (RNNs) has been limited due to the lack of effective methods for transforming real-valued tabular datasets into complex-valued representations. To address this limitation, we propose two methods for generating complex-valued representations from real-valued datasets: a natural transformation and an autoencoder-driven method. Building on these mechanisms, we propose RVFL-X, a complex-valued extension of the random vector functional link (RVFL) network. RVFL-X integrates complex transformations into real-valued datasets while maintaining the simplicity and efficiency of the original RVFL architecture. By leveraging complex components such as input, weights, and activation functions, RVFL-X processes complex representations and produces real-valued outputs. Comprehensive evaluations on 80 real-valued UCI datasets demonstrate that RVFL-X consistently outperforms both the original RVFL and state-of-the-art (SOTA) RNN variants, showcasing its robustness and effectiveness across diverse application domains.
• Abstract（参考訳）: ニューラルネットワークの最近の進歩は、基礎理論的な洞察によって支えられ、複素数の表現力の優位性を強調している。 しかしながら、ランダム化されたニューラルネットワーク(RNN)への導入は、実数値のグラフデータセットを複素数値の表現に変換する効果的な方法が欠如していることから、制限されている。 この制限に対処するため,本研究では,自然変換とオートエンコーダ駆動方式という,実数値データセットから複素数値表現を生成する2つの手法を提案する。 これらのメカニズムに基づいて,確率ベクトル汎関数リンク(RVFL)ネットワークの複素値拡張であるRVFL-Xを提案する。 RVFL-Xは、複雑な変換を実数値データセットに統合し、元のRVFLアーキテクチャの単純さと効率性を維持している。 入力、重み、アクティベーション関数などの複雑なコンポーネントを活用することで、RVFL-Xは複雑な表現を処理し、実数値出力を生成する。 80の実際のUCIデータセットに対する包括的な評価は、RVFL-Xが元のRVFLとSOTA(State-of-the-art)RNNの亜種を一貫して上回っており、多様なアプリケーションドメインでその堅牢性と有効性を示していることを示している。

関連論文リスト

• Hybrid Real- and Complex-valued Neural Network Architecture [2.6739705603496327]
  本稿では,実数値処理の計算効率と複素数値データを扱う能力を組み合わせることを目的として,HNNアーキテクチャを提案する。 AudioMNISTデータセットによる実験では、HNNはクロスエントロピー損失を低減し、考慮されたすべてのケースでRVNNと比較してパラメータを消費する。
  論文  参考訳（メタデータ） (2025-04-04T14:52:44Z)
• LIFT: Latent Implicit Functions for Task- and Data-Agnostic Encoding [4.759109475818876]
  Implicit Neural Representations (INR)は、多様なデータドメインをまたいだタスクモデリングを統合するための強力なパラダイムであることが証明されている。 本稿では,メタラーニングによるマルチスケール情報をキャプチャする新しい高性能フレームワークLIFTを紹介する。 また、残差接続と表現頻度符号化を組み込んだLIFTの強化版であるReLIFTについても紹介する。
  論文  参考訳（メタデータ） (2025-03-19T17:00:58Z)
• Efficient and Interpretable Neural Networks Using Complex Lehmer Transform [11.095723123836965]
  重み付きレーマー変換と呼ばれる新しい活性化関数を持つ効率的かつ解釈可能なニューラルネットワークを提案する。 実数値と複素数値の両方のリーマー活性化単位の数学的性質を解析する。 実験により,提案したニューラルネットワークがベンチマークデータセット上での競合精度を実現することを示す。
  論文  参考訳（メタデータ） (2025-01-25T14:08:30Z)
• Transformer-based Context Condensation for Boosting Feature Pyramids in Object Detection [77.50110439560152]
  現在の物体検出器は、通常マルチレベル特徴融合(MFF)のための特徴ピラミッド(FP)モジュールを持つ。 我々は,既存のFPがより優れたMFF結果を提供するのに役立つ,新しい,効率的なコンテキストモデリング機構を提案する。 特に,包括的文脈を2種類の表現に分解・凝縮して高効率化を図っている。
  論文  参考訳（メタデータ） (2022-07-14T01:45:03Z)
• CSformer: Bridging Convolution and Transformer for Compressive Sensing [65.22377493627687]
  本稿では,CNNからの詳細な空間情報を活用するためのハイブリッドフレームワークと,表現学習の強化を目的としたトランスフォーマーが提供するグローバルコンテキストを統合することを提案する。 提案手法は、適応的なサンプリングとリカバリからなるエンドツーエンドの圧縮画像センシング手法である。 実験により, 圧縮センシングにおける専用トランスアーキテクチャの有効性が示された。
  論文  参考訳（メタデータ） (2021-12-31T04:37:11Z)
• X-volution: On the unification of convolution and self-attention [52.80459687846842]
  本稿では,畳み込み操作と自己注意操作の両方からなるマルチブランチ基本モジュールを提案する。 提案したX-進化は、非常に競争力のある視覚的理解の改善を実現する。
  論文  参考訳（メタデータ） (2021-06-04T04:32:02Z)
• Neural BRDF Representation and Importance Sampling [79.84316447473873]
  本稿では,リフレクタンスBRDFデータのコンパクトニューラルネットワークに基づく表現について述べる。 BRDFを軽量ネットワークとしてエンコードし、適応角サンプリングによるトレーニングスキームを提案する。 複数の実世界のデータセットから等方性および異方性BRDFの符号化結果を評価する。
  論文  参考訳（メタデータ） (2021-02-11T12:00:24Z)
• Analysis of Deep Complex-Valued Convolutional Neural Networks for MRI Reconstruction [9.55767753037496]
  本研究では、2チャネル実数値ネットワークの代わりに画像再構成のための終端複素値畳み込みニューラルネットワークについて検討する。 複雑な値の畳み込みを持つ複素値CNNは、トレーニング可能なパラメータの数が同じ実値の畳み込みよりも優れた再構成を提供することがわかった。
  論文  参考訳（メタデータ） (2020-04-03T19:00:23Z)

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。