論文の概要: Equivalence of Personalized PageRank and Successor Representations

• arxiv url: http://arxiv.org/abs/2512.24722v1
• Date: Wed, 31 Dec 2025 08:35:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-01 23:27:28.612054
• Title: Equivalence of Personalized PageRank and Successor Representations
• Title（参考訳）: パーソナライズされたPageRankと継承表現の等価性
• Authors: Beren Millidge,
• Abstract要約: 海馬は2つのコアを持つが、脳内では非常に異なる機能を持つ。 これらの関数はアルゴリズム的に非常に異なる。 本稿では,それぞれ独立に提案された2つの強力なアルゴリズムが,海馬の動作の根底を成すために,実際に同型であり,その基盤となる表現を利用することを示す。
• 参考スコア（独自算出の注目度）: 10.891416812981495
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The hippocampus appears to implement two core but highly distinct functions in the brain: long term memory retrieval and planning and spatial navigation. Naively, these functions appear very different algorithmically. In this short note, we demonstrate that two powerful algorithms that have each independently been proposed to underlie the hippocampal operation for each function -- personalized page-rank for memory retrieval, and successor representations for planning and navigation, are in fact isomorphic and utilize the same underlying representation -- the stationary distribution of a random walk on a graph. We hypothesize that the core computational function of the hippocampus is to compute this representation on arbitrary input graphs.
• Abstract（参考訳）: 海馬は、長期記憶の検索と計画と空間的なナビゲーションという、2つの中核だが非常に異なる機能を脳に実装しているように見える。 これらの関数は非常に異なるアルゴリズムで現れる。 本稿では,各関数の海馬操作(メモリ検索のためのパーソナライズされたページランク)と,計画とナビゲーションのための後継表現)を独立に行う2つの強力なアルゴリズムが,実際には同型であり,その基盤となる表現(グラフ上のランダムウォークの定常分布)を利用していることを示す。 海馬のコア計算関数は任意の入力グラフ上でこの表現を計算することであると仮定する。

関連論文リスト

• 'Memory States' from Almost Nothing: Representing and Computing in a Non-associative Algebra [0.0]
  本稿では,高次元空間における情報項目の表現と計算のための非連想的フレームワークを提案する。 これは空間コンピューティングの原理と、記憶に関する認知科学の実証的な発見と一致している。
  論文  参考訳（メタデータ） (2025-05-13T08:43:02Z)
• A Cognitive Architecture for Machine Consciousness and Artificial Superintelligence: Thought Is Structured by the Iterative Updating of Working Memory [0.0]
  本稿では、コンピュータ内での人間的な思考プロセスのシミュレートのための分析フレームワークを提供する。 注意と記憶がどのように構造化され、更新され、思考ストリームへの連想的な追加を探すために利用されるかを記述する。
  論文  参考訳（メタデータ） (2022-03-29T22:28:30Z)
• From data to functa: Your data point is a function and you should treat it like one [18.55139634143589]
  菌類データの深層学習のためのフレームワークを提案する。 この見解は、データからfunctaへの効率的な変換に関して、多くの課題を提示している。 これらの課題を克服し、幅広いデータモダリティに適用するためのレシピを概説する。
  論文  参考訳（メタデータ） (2022-01-28T15:59:58Z)
• Multiway Non-rigid Point Cloud Registration via Learned Functional Map Synchronization [105.14877281665011]
  我々は、点雲上に定義された学習関数に関する地図を同期させることにより、複数の非剛体形状を登録する新しい方法であるSyNoRiMを提案する。 提案手法は,登録精度において最先端の性能を達成できることを実証する。
  論文  参考訳（メタデータ） (2021-11-25T02:37:59Z)
• Interactive Fusion of Multi-level Features for Compositional Activity Recognition [100.75045558068874]
  インタラクティブな融合によってこの目標を達成する新しいフレームワークを提案する。 本フレームワークは,位置から出現までの特徴抽出,意味的特徴の相互作用,意味から位置への予測という3つのステップで実装する。 我々は,2つの行動認識データセット,SomethingとCharadesに対するアプローチを評価した。
  論文  参考訳（メタデータ） (2020-12-10T14:17:18Z)
• Multi-task Supervised Learning via Cross-learning [102.64082402388192]
  我々は,様々なタスクを解くことを目的とした回帰関数の集合を適合させることで,マルチタスク学習と呼ばれる問題を考える。 我々の新しい定式化では、これらの関数のパラメータを2つに分けて、互いに近づきながらタスク固有のドメインで学習する。 これにより、異なるドメインにまたがって収集されたデータが、互いのタスクにおける学習パフォーマンスを改善するのに役立つ、クロス・ファーティライズが促進される。
  論文  参考訳（メタデータ） (2020-10-24T21:35:57Z)
• Gravitational Models Explain Shifts on Human Visual Attention [80.76475913429357]
  視覚的注意(英: visual attention)とは、人間の脳が優先的な処理のために関連する感覚情報を選択する能力を指す。 過去30年間に様々な評価方法が提案されてきた。 注意変動を記述するための重力モデル(GRAV)を提案する。
  論文  参考訳（メタデータ） (2020-09-15T10:12:41Z)
• Characteristic Functions on Graphs: Birds of a Feather, from Statistical Descriptors to Parametric Models [8.147652597876862]
  本稿では,特徴関数の特定の変量を計算するための計算効率の良いアルゴリズムであるFEATHERを紹介する。 FEATHERによって抽出された機能は、ノードレベルの機械学習タスクに有用である、と我々は主張する。 実世界の大規模データセットを用いた実験により,提案アルゴリズムが高品質な表現を生成することを示す。
  論文  参考訳（メタデータ） (2020-05-16T11:47:05Z)
• Space of Functions Computed by Deep-Layered Machines [74.13735716675987]
  深層ニューラルネットワークやブール回路を含むランダム層マシンによって計算される関数の空間について検討する。 繰り返しおよび層依存アーキテクチャ上で計算されたブール関数の分布を調べた結果、両方のモデルで同じであることが判明した。
  論文  参考訳（メタデータ） (2020-04-19T18:31:03Z)
• Spatial Pyramid Based Graph Reasoning for Semantic Segmentation [67.47159595239798]
  セマンティックセグメンテーションタスクにグラフ畳み込みを適用し、改良されたラプラシアンを提案する。 グラフ推論は、空間ピラミッドとして構成された元の特徴空間で直接実行される。 計算とメモリのオーバーヘッドの利点で同等のパフォーマンスを実現しています。
  論文  参考訳（メタデータ） (2020-03-23T12:28:07Z)

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。