論文の概要: Associative Memory Model with Neural Networks: Memorizing multiple images with one neuron

• arxiv url: http://arxiv.org/abs/2510.06542v1
• Date: Wed, 08 Oct 2025 00:44:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-09 16:41:20.244992
• Title: Associative Memory Model with Neural Networks: Memorizing multiple images with one neuron
• Title（参考訳）: ニューラルネットワークを用いた連想記憶モデル:1つのニューロンで複数の画像を記憶する
• Authors: Hiroshi Inazawa,
• Abstract要約: 本稿では、画像の記憶とリコールのためのニューラルネットワークモデル(連想記憶モデル)を提案する。 このモデルの特徴の1つは、複数の異なる画像が同時に1つのニューロンに格納されていることである。 このモデルは、不完全な画像が提示された場合でも、画像の完全なリコールを可能にする。
• 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: This paper presents a neural network model (associative memory model) for memory and recall of images. In this model, only a single neuron can memorize multi-images and when that neuron is activated, it is possible to recall all the memorized images at the same time. The system is composed of a single cluster of numerous neurons, referred to as the "Cue Ball," and multiple neural network layers, collectively called the "Recall Net." One of the features of this model is that several different images are stored simultaneously in one neuron, and by presenting one of the images stored in that neuron, all stored images are recalled. Furthermore, this model allows for complete recall of an image even when an incomplete image is presented
• Abstract（参考訳）: 本稿では、画像の記憶とリコールのためのニューラルネットワークモデル(連想記憶モデル)を提案する。 このモデルでは、1つのニューロンだけがマルチイメージを記憶することができ、そのニューロンが活性化されると、同時にすべての記憶された画像を思い出すことができる。 このシステムは、"Cue Ball"と呼ばれる多数のニューロンの単一のクラスタと、"Recall Net"と呼ばれる複数のニューラルネットワーク層で構成されている。 このモデルの特徴の1つは、複数の異なる画像が1つのニューロンに同時に格納され、そのニューロンに格納された画像の1つを提示することで、すべての保存された画像がリコールされることである。 さらに、このモデルは、不完全な画像が提示された場合でも、画像の完全リコールを可能にする。

関連論文リスト

• Learning Multimodal Volumetric Features for Large-Scale Neuron Tracing [72.45257414889478]
  オーバーセグメントニューロン間の接続を予測し,人間の作業量を削減することを目的としている。 最初はFlyTracingという名前のデータセットを構築しました。 本稿では,高密度なボリュームEM画像の埋め込みを生成するための,新しい接続性を考慮したコントラスト学習手法を提案する。
  論文  参考訳（メタデータ） (2024-01-05T19:45:12Z)
• An associative memory model with very high memory rate: Image storage by sequential addition learning [0.0]
  本システムは、キューボール内の1つのキューニューロンとリコールネット内のニューロンとの双方向学習を実現する。 多くのパターンを記憶し、これらのパターンや、いつでも似たパターンを思い出すことができる。
  論文  参考訳（メタデータ） (2022-10-08T02:56:23Z)
• Memory via Temporal Delays in weightless Spiking Neural Network [0.08399688944263842]
  簡単な分類作業を行うことができる無重量スパイクニューラルネットワークのプロトタイプを提案する。 このネットワークのメモリは、接続の強さではなく、ニューロン間のタイミングに格納される。
  論文  参考訳（メタデータ） (2022-02-15T02:09:33Z)
• Associative Memories via Predictive Coding [37.59398215921529]
  脳内の連想記憶は感覚ニューロンによって登録された活動パターンを受信し、記憶する。 本稿では,知覚ニューロンを介して外部刺激を受ける階層的生成ネットワークに基づいて,連想記憶を実現する新しいニューラルモデルを提案する。
  論文  参考訳（メタデータ） (2021-09-16T15:46:26Z)
• Astrocytes mediate analogous memory in a multi-layer neuron-astrocytic network [52.77024349608834]
  情報の一部が数秒間堅牢な活動パターンとして維持され、他の刺激が来なければ完全に消滅することを示す。 この種の短期記憶は、操作情報を数秒保存し、次のパターンとの重複を避けるために完全に忘れてしまう。 任意のパターンをロードし、一定の間隔で保存し、適切な手掛かりパターンを入力に適用した場合に検索する方法について示す。
  論文  参考訳（メタデータ） (2021-08-31T16:13:15Z)
• Hierarchical Associative Memory [2.66512000865131]
  Associative Memories や Modern Hopfield Networks は、多くの魅力的な特性を持っている。 パターン補完を行い、多数のメモリを格納し、リカレントニューラルネットワークを使用して記述することができる。 本稿では,任意の数のレイヤを持つ連想メモリの完全再帰モデルについて述べる。
  論文  参考訳（メタデータ） (2021-07-14T01:38:40Z)
• Hidden Markov Modeling for Maximum Likelihood Neuron Reconstruction [3.6321891270689055]
  脳のクリアリングとイメージングの最近の進歩により、哺乳類の脳全体をサブミクロン分解能で画像化することが可能になった。 これらの画像は、投射ニューロン形態学の脳全体のアトラスを組み立てる可能性を秘めているが、手動ニューロン再構築はいまだにボトルネックとなっている。 ここでは, 隠れマルコフモデルに触発された蛍光ニューロン画像の出現モデリングを行い, ニューロンの過程を自動的に追跡する手法を提案する。
  論文  参考訳（メタデータ） (2021-06-04T20:24:56Z)
• Neural Sparse Representation for Image Restoration [116.72107034624344]
  スパース符号化に基づく画像復元モデルの堅牢性と効率に触発され,深部ネットワークにおけるニューロンの空間性について検討した。 本手法は,隠れたニューロンに対する空間的制約を構造的に強制する。 実験により、複数の画像復元タスクのためのディープニューラルネットワークではスパース表現が不可欠であることが示されている。
  論文  参考訳（メタデータ） (2020-06-08T05:15:17Z)
• Self-Attentive Associative Memory [69.40038844695917]
  我々は、個々の体験(記憶)とその発生する関係(関連記憶)の記憶を分離することを提案する。 機械学習タスクの多様性において,提案した2メモリモデルと競合する結果が得られる。
  論文  参考訳（メタデータ） (2020-02-10T03:27:48Z)
• Non-linear Neurons with Human-like Apical Dendrite Activations [81.18416067005538]
  XOR論理関数を100%精度で学習し, 標準的なニューロンに後続のアピーカルデンドライト活性化(ADA)が認められた。 コンピュータビジョン,信号処理,自然言語処理の6つのベンチマークデータセットについて実験を行った。
  論文  参考訳（メタデータ） (2020-02-02T21:09:39Z)

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。