Fugu-MT 論文翻訳(概要): Identifying internal patterns in (1+1)-dimensional directed percolation using neural networks

論文の概要: Identifying internal patterns in (1+1)-dimensional directed percolation using neural networks

arxiv url: http://arxiv.org/abs/2510.15294v1
Date: Fri, 17 Oct 2025 04:06:07 GMT
ステータス: 翻訳完了
システム内更新日: 2025-10-20 20:17:34.464923
Title: Identifying internal patterns in (1+1)-dimensional directed percolation using neural networks
Title（参考訳）: ニューラルネットワークを用いた(1+1)次元方向パーコレーションの内部パターンの同定
Authors: Danil Parkhomenko, Pavel Ovchinnikov, Konstantin Soldatov, Vitalii Kapitan, Gennady Y. Chitov,
Abstract要約: ニューラルネットワークを用いた位相遷移の自動検出法と隠れパーコレーションパターンの分類について述べる。提案するネットワークモデルは,CNN,TCN,GRUの組み合わせに基づいており,手動による特徴抽出を伴わずに,生の設定を直接訓練する。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this paper we present a neural network-based method for the automatic detection of phase transitions and classification of hidden percolation patterns in a (1+1)-dimensional replication process. The proposed network model is based on the combination of CNN, TCN and GRU networks, which are trained directly on raw configurations without any manual feature extraction. The network reproduces the phase diagram and assigns phase labels to configurations. It shows that deep architectures are capable of extracting hierarchical structures from the raw data of numerical experiments.
Abstract（参考訳）: 本稿では, (1+1)-次元複製プロセスにおいて, 位相遷移の自動検出と隠れパーコレーションパターンの分類を行うニューラルネットワークを用いた手法を提案する。提案するネットワークモデルは,CNN,TCN,GRUの組み合わせに基づいており,手動による特徴抽出を伴わずに,生の設定を直接訓練する。ネットワークはフェーズ図を再生し、フェーズラベルを設定に割り当てる。これは,数値実験の生データから階層構造を抽出できることを示す。

関連論文リスト

Opening the Black Box: predicting the trainability of deep neural networks with reconstruction entropy [0.0]
本稿では,ディープフィードフォワードニューラルネットワーク(DNN)のパラメータ空間におけるトレーニング可能な状態予測手法を提案する。トレーニングの1つのエポックは、データセットの幅でディープフィードフォワードネットワークのトレーニング可能性を予測するのに十分であることを示す。
論文参考訳（メタデータ） (2024-06-13T18:00:05Z)
Data-driven emergence of convolutional structure in neural networks [83.4920717252233]
識別タスクを解くニューラルネットワークが、入力から直接畳み込み構造を学習できることを示す。データモデルを慎重に設計することにより、このパターンの出現は、入力の非ガウス的、高次局所構造によって引き起こされることを示す。
論文参考訳（メタデータ） (2022-02-01T17:11:13Z)
Local Critic Training for Model-Parallel Learning of Deep Neural Networks [94.69202357137452]
そこで我々は,局所的批判訓練と呼ばれる新しいモデル並列学習手法を提案する。提案手法は,畳み込みニューラルネットワーク(CNN)とリカレントニューラルネットワーク(RNN)の両方において,階層群の更新プロセスの分離に成功したことを示す。また,提案手法によりトレーニングされたネットワークを構造最適化に利用できることを示す。
論文参考訳（メタデータ） (2021-02-03T09:30:45Z)
Wireless Localisation in WiFi using Novel Deep Architectures [4.541069830146568]
本稿では,コモディティ・チップセットと標準チャネル・サウンドによるWiFi機器の屋内位置推定について検討する。本稿では、異なるアンテナで受信されたWiFiサブキャリアに対応するチャネル状態情報から特徴を抽出する、新しい浅層ニューラルネットワーク(SNN)を提案する。
論文参考訳（メタデータ） (2020-10-16T22:48:29Z)
The Heterogeneity Hypothesis: Finding Layer-Wise Differentiated Network Architectures [179.66117325866585]
我々は、通常見過ごされる設計空間、すなわち事前定義されたネットワークのチャネル構成を調整することを検討する。この調整は、拡張ベースラインネットワークを縮小することで実現でき、性能が向上する。画像分類、視覚追跡、画像復元のための様々なネットワークとデータセットで実験を行う。
論文参考訳（メタデータ） (2020-06-29T17:59:26Z)
Neural networks adapting to datasets: learning network size and topology [77.34726150561087]
ニューラルネットワークは、勾配に基づくトレーニングの過程で、そのサイズとトポロジの両方を学習できるフレキシブルなセットアップを導入します。結果として得られるネットワークは、特定の学習タスクとデータセットに合わせたグラフの構造を持つ。
論文参考訳（メタデータ） (2020-06-22T12:46:44Z)
Network Adjustment: Channel Search Guided by FLOPs Utilization Ratio [101.84651388520584]
本稿では,ネットワークの精度をFLOPの関数として考慮した,ネットワーク調整という新しいフレームワークを提案する。標準画像分類データセットと幅広いベースネットワークの実験は、我々のアプローチの有効性を実証している。
論文参考訳（メタデータ） (2020-04-06T15:51:00Z)
Large-scale spatiotemporal photonic reservoir computer for image classification [0.8701566919381222]
本稿では,手書き桁の分類を行うために,フィードフォワードとリカレントニューラルネットワークを実装するためのスケーラブルなフォトニックアーキテクチャを提案する。実験では、既製の光学部品と電子部品を利用して、現在16,384ノードのネットワークサイズを実現している。
論文参考訳（メタデータ） (2020-04-06T10:22:31Z)
Progressive Graph Convolutional Networks for Semi-Supervised Node Classification [97.14064057840089]
グラフ畳み込みネットワークは、半教師付きノード分類のようなグラフベースのタスクに対処することに成功した。本稿では,コンパクトかつタスク固有のグラフ畳み込みネットワークを自動構築する手法を提案する。
論文参考訳（メタデータ） (2020-03-27T08:32:16Z)
Internal representation dynamics and geometry in recurrent neural networks [10.016265742591674]
本稿では,バニラRNNがネットワークのダイナミクスを解析することにより,単純な分類タスクを実現する方法を示す。初期の内部表現はデータの実際のラベルから解放されるが、この情報は出力層に直接アクセスできない。
論文参考訳（メタデータ） (2020-01-09T23:19:21Z)

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。