論文の概要: Associative Memory using Attribute-Specific Neuron Groups-1: Learning between Multiple Cue Balls

• arxiv url: http://arxiv.org/abs/2512.02319v1
• Date: Tue, 02 Dec 2025 01:28:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-03 21:04:45.67491
• Title: Associative Memory using Attribute-Specific Neuron Groups-1: Learning between Multiple Cue Balls
• Title（参考訳）: 属性特異的ニューロン群を用いた連想記憶-1:複数のキューボール間の学習
• Authors: Hiroshi Inazawa,
• Abstract要約: 提案モデルは,Cue Ball と Recall Net を用いた複数画像のメモリとリコールに関する以前の研究に基づいている。 システムを構成する3つのコンポーネントは、色を処理するためのC.CB-RN、形状を処理するためのS.CB-RN、サイズを処理するためのV.CB-RNである。
• 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: In this paper, we present a new neural network model based on attribute-specific representations (e.g., color, shape, size), a classic example of associative memory. The proposed model is based on a previous study on memory and recall of multiple images using the Cue Ball and Recall Net (referred to as the CB-RN system, or simply CB-RN) [1]. The system consists of three components, which are C.CB-RN for processing color, S.CB-RN for processing shape, and V.CB-RN for processing size. When an attribute data pattern is presented to the CB-RN system, the corresponding attribute pattern of the cue neurons within the Cue Balls is associatively recalled in the Recall Net. Each image pattern presented to these CB-RN systems is represented using a two-dimensional code, specifically a QR code [2].
• Abstract（参考訳）: 本稿では,属性固有の表現(例えば,色,形,サイズ)に基づくニューラルネットワークモデルを提案する。 提案モデルは、Cue BallとRecall Net(CB-RNシステムまたは単にCB-RNシステムと呼ばれる)を用いた複数の画像のメモリとリコールに関する以前の研究に基づいている。 システムを構成する3つのコンポーネントは、色を処理するためのC.CB-RN、形状を処理するためのS.CB-RN、サイズを処理するためのV.CB-RNである。 CB−RNシステムに属性データパターンが提示されると、Cue Balls内のキューニューロンの対応する属性パターンがリコールネットに連想的にリコールされる。 これらのCB-RNシステムに提示される各画像パターンは、二次元コード、特にQRコード[2]を用いて表現される。

関連論文リスト

• Associative Memory Model with Neural Networks: Memorizing multiple images with one neuron [0.0]
  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。
  論文  参考訳（メタデータ） (2025-10-08T00:44:46Z)
• 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)
• Heterogenous Memory Augmented Neural Networks [84.29338268789684]
  ニューラルネットワークのための新しいヘテロジニアスメモリ拡張手法を提案する。 学習可能なメモリトークンをアテンション機構付きで導入することにより、膨大な計算オーバーヘッドを伴わずに性能を効果的に向上させることができる。 In-distriion (ID) と Out-of-distriion (OOD) の両方の条件下での様々な画像およびグラフベースのタスクに対するアプローチを示す。
  論文  参考訳（メタデータ） (2023-10-17T01:05:28Z)
• NeRN -- Learning Neural Representations for Neural Networks [3.7384109981836153]
  ニューラルネットワークを正しく適応させると、トレーニング済みの畳み込みニューラルネットワークの重みを表現できる。 従来のニューラル表現法の入力の座標にインスパイアされ、ネットワーク内の各畳み込みカーネルに座標を割り当てる。 我々は、NeRNを用いて学習した表現の能力を実証する2つのアプリケーションを提案する。
  論文  参考訳（メタデータ） (2022-12-27T17:14:44Z)
• Cross-Stitched Multi-task Dual Recursive Networks for Unified Single Image Deraining and Desnowing [70.24489870383027]
  本稿では,統合デライニングとデリーディングを対象とするマルチタスク統合デュアル再帰ネットワーク(CMUDRN)モデルを提案する。 提案モデルは,2つの別々のDual Recursive Network(DRN)モデル間でマルチタスク学習を可能にするクロススティッチユニットを利用する。
  論文  参考訳（メタデータ） (2022-11-15T16:44:53Z)
• 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)
• Neural Implicit Dictionary via Mixture-of-Expert Training [111.08941206369508]
  ニューラルインシシット辞書(NID)を学習することで、データとトレーニング効率の両方を達成する汎用INRフレームワークを提案する。 我々のNIDは、所望の関数空間にまたがるように調整された座標ベースのImpworksのグループを組み立てる。 実験の結果,NIDは最大98%の入力データで2次元画像や3次元シーンの再現を2桁高速化できることがわかった。
  論文  参考訳（メタデータ） (2022-07-08T05:07:19Z)
• Prune and distill: similar reformatting of image information along rat visual cortex and deep neural networks [61.60177890353585]
  深部畳み込み神経ネットワーク(CNN)は、脳の機能的類似、視覚野の腹側流の優れたモデルを提供することが示されている。 ここでは、CNNまたは視覚野の内部表現で知られているいくつかの顕著な統計的パターンについて考察する。 我々は、CNNと視覚野が、オブジェクト表現の次元展開/縮小と画像情報の再構成と、同様の密接な関係を持っていることを示す。
  論文  参考訳（メタデータ） (2022-05-27T08:06:40Z)
• Two-Stream Graph Convolutional Network for Intra-oral Scanner Image Segmentation [133.02190910009384]
  本稿では,2ストリームグラフ畳み込みネットワーク(TSGCN)を提案する。 TSGCNは3次元歯(表面)セグメンテーションにおいて最先端の方法よりも優れています。
  論文  参考訳（メタデータ） (2022-04-19T10:41:09Z)
• A Novel ANN Structure for Image Recognition [0.0]
  本稿では,画像認識のためのニューラルモデルであるARN(Multi-layer Auto Resonance Networks)を提案する。 Nodesと呼ばれるALNのニューロンは、入力が"カバー"内にあるとき、入力パターンにラッチオンして共鳴する
  論文  参考訳（メタデータ） (2020-10-09T14:07:29Z)

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。