Fugu-MT 論文翻訳(概要): Fractional Artificial Neural Networks for Growth Models

論文の概要: Fractional Artificial Neural Networks for Growth Models

arxiv url: http://arxiv.org/abs/2511.16676v1
Date: Sat, 08 Nov 2025 20:45:25 GMT
ステータス: 翻訳完了
システム内更新日: 2025-12-07 19:06:32.21513
Title: Fractional Artificial Neural Networks for Growth Models
Title（参考訳）: 成長モデルのためのフラクショナルニューラルネットワーク
Authors: Juan Carlos Najera-Tinoco, Martin P. Arciga-Alejandre, Jorge Sanchez-Ortiz, Francisco J. Ariza-Hernandez,
Abstract要約: 本稿では,統計ソフトウェアRに実装された分数的人工ニューラルネットワークを提案する。解析解と人工ニューラルネットワークの近似を比較した例を示す。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In this paper we present a method to solve initial value problems for fractional growth models, such as generalizations of the exponential and logistic with periodic harvesting models. Using a discretization of the Caputo derivative we propose a fractional artificial neural network, which is implemented in the statistical software R. Moreover, we show examples where the analytical solutions and the approximation of the artificial neural network are compared.
Abstract（参考訳）: 本稿では,周期的収量モデルを用いた指数関数および対数論の一般化など,分数成長モデルの初期値問題の解法を提案する。統計ソフトウェアRで実装された分数的人工ニューラルネットワークをCaputo微分の離散化を用いて提案する。さらに,解析解と人工ニューラルネットワークの近似を比較する例を示す。

関連論文リスト

Analyzing Neural Network-Based Generative Diffusion Models through Convex Optimization [45.72323731094864]
本稿では,2層ニューラルネットワークを用いた拡散モデル解析のための理論的枠組みを提案する。我々は,1つの凸プログラムを解くことで,スコア予測のための浅層ニューラルネットワークのトレーニングが可能であることを証明した。本結果は, ニューラルネットワークに基づく拡散モデルが漸近的でない環境で何を学習するかを, 正確に評価するものである。
論文参考訳（メタデータ） (2024-02-03T00:20:25Z)
A Survey on Statistical Theory of Deep Learning: Approximation, Training Dynamics, and Generative Models [13.283281356356161]
本稿では3つの観点から,ニューラルネットワークの統計理論に関する文献をレビューする。ニューラルネットワークの過剰なリスクに関する調査結果をレビューする。ニューラルネットワークが、目に見えないデータでうまく一般化できるソリューションを見つける方法に答えようとする論文」をレビューする。
論文参考訳（メタデータ） (2024-01-14T02:30:19Z)
Deep Networks as Denoising Algorithms: Sample-Efficient Learning of Diffusion Models in High-Dimensional Graphical Models [22.353510613540564]
生成モデルにおけるディープニューラルネットワークによるスコア関数の近似効率について検討する。楽譜関数はしばしば変分推論法を用いてグラフィカルモデルでよく近似される。深層ニューラルネットワークによってスコア関数が学習されるとき,拡散に基づく生成モデルに縛られた効率的なサンプル複雑性を提供する。
論文参考訳（メタデータ） (2023-09-20T15:51:10Z)
Capturing dynamical correlations using implicit neural representations [85.66456606776552]
実験データから未知のパラメータを復元するために、モデルハミルトンのシミュレーションデータを模倣するために訓練されたニューラルネットワークと自動微分を組み合わせた人工知能フレームワークを開発する。そこで本研究では, 実時間から多次元散乱データに適用可能な微分可能なモデルを1回だけ構築し, 訓練する能力について述べる。
論文参考訳（メタデータ） (2023-04-08T07:55:36Z)
Quadratic models for understanding catapult dynamics of neural networks [15.381097076708535]
近年提案されたニューラル二次モデルでは,そのようなモデルを大きな学習率で訓練する際に生じる「カタパルト相」が示されることが示されている。さらに,2次モデルがニューラルネットワーク解析の有効なツールであることを示す。
論文参考訳（メタデータ） (2022-05-24T05:03:06Z)
EINNs: Epidemiologically-Informed Neural Networks [75.34199997857341]
本稿では,疫病予測のための新しい物理インフォームドニューラルネットワークEINNを紹介する。メカニスティックモデルによって提供される理論的柔軟性と、AIモデルによって提供されるデータ駆動表現性の両方を活用する方法について検討する。
論文参考訳（メタデータ） (2022-02-21T18:59:03Z)
Provably Efficient Neural Estimation of Structural Equation Model: An Adversarial Approach [144.21892195917758]
一般化構造方程式モデル(SEM)のクラスにおける推定について検討する。線形作用素方程式をmin-maxゲームとして定式化し、ニューラルネットワーク(NN)でパラメータ化し、勾配勾配を用いてニューラルネットワークのパラメータを学習する。提案手法は,サンプル分割を必要とせず,確固とした収束性を持つNNをベースとしたSEMの抽出可能な推定手順を初めて提供する。
論文参考訳（メタデータ） (2020-07-02T17:55:47Z)
Hyperbolic Neural Networks++ [66.16106727715061]
ニューラルネットワークの基本成分を1つの双曲幾何モデル、すなわちポアンカーの球モデルで一般化する。実験により, 従来の双曲成分と比較してパラメータ効率が優れ, ユークリッド成分よりも安定性と性能が優れていた。
論文参考訳（メタデータ） (2020-06-15T08:23:20Z)

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。