論文の概要: Temporal Complexity and Self-Organization in an Exponential Dense Associative Memory Model

• arxiv url: http://arxiv.org/abs/2601.11478v1
• Date: Fri, 16 Jan 2026 18:01:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-19 20:21:50.590126
• Title: Temporal Complexity and Self-Organization in an Exponential Dense Associative Memory Model
• Title（参考訳）: 指数密度連想記憶モデルにおける時間的複雑度と自己組織化
• Authors: Marco Cafiso, Paolo Paradisi,
• Abstract要約: 時間複雑度(TC)は、秩序と障害の間の断続的な遷移イベントによって複雑なシステムを特徴づけるフレームワークである。 以上の結果から,SEDAMモデルでは,非自明な時間的相関とスケールフリーな挙動を特徴とする複雑な断続的な状態がみられた。 本研究は, 人工神経と生体神経の学習と情報処理を理解するための補完的枠組みとして, TCの意義を強調した。
• 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: Dense Associative Memory (DAM) models generalize the classical Hopfield model by incorporating n-body or exponential interactions that greatly enhance storage capacity. While the criticality of DAM models has been largely investigated, mainly within a statistical equilibrium picture, little attention has been devoted to the temporal self-organizing behavior induced by learning. In this work, we investigate the behavior of a stochastic exponential DAM (SEDAM) model through the lens of Temporal Complexity (TC), a framework that characterizes complex systems by intermittent transition events between order and disorder and by scale-free temporal statistics. Transition events associated with birth-death of neural avalanche structures are exploited for the TC analyses and compared with analogous transition events based on coincidence structures. We systematically explore how TC indicators depend on control parameters, i.e., noise intensity and memory load. Our results reveal that the SEDAM model exhibits regimes of complex intermittency characterized by nontrivial temporal correlations and scale-free behavior, indicating the spontaneous emergence of self-organizing dynamics. These regimes emerge in small intervals of noise intensity values, which, in agreement with the extended criticality concept, never shrink to a single critical point. Further, the noise intensity range needed to reach the critical region, where self-organizing behavior emerges, slightly decreases as the memory load increases. This study highlights the relevance of TC as a complementary framework for understanding learning and information processing in artificial and biological neural systems, revealing the link between the memory load and the self-organizing capacity of the network.
• Abstract（参考訳）: DAM(Dense Associative Memory)モデルは、記憶容量を大幅に向上させるn体または指数的な相互作用を組み込むことで、古典的なホップフィールドモデルを一般化する。 DAMモデルの臨界性は、主に統計平衡図で研究されているが、学習によって引き起こされる時間的自己組織化行動にはほとんど注目されていない。 本研究では,時間的複雑度(TC)のレンズによる確率指数的DAM(SEDAM)モデルの挙動について検討する。 ニューラルアバランシェ構造の生死に伴う遷移事象をTC解析に利用し、偶然構造に基づく類似の遷移事象と比較した。 我々は、TCインジケータが制御パラメータ、すなわちノイズ強度とメモリ負荷にどのように依存するかを系統的に検討する。 以上の結果から,SEDAMモデルでは,非自明な時間的相関とスケールフリーな挙動が特徴的であり,自己組織力学の自然発生が示唆されている。 これらのレジームは、音強度値の小さな間隔で出現し、拡張臨界の概念と一致して、単一の臨界点に縮小することはない。 さらに、自己組織化行動が発生する臨界領域に到達するために必要な雑音強度範囲は、メモリ負荷の増加とともにわずかに減少する。 本研究は, 人工および生体神経系における学習と情報処理を理解するための補完的枠組みとして, TCの意義を強調し, メモリ負荷とネットワークの自己組織化能力との関係を明らかにする。

関連論文リスト

• NeuroSSM: Multiscale Differential State-Space Modeling for Context-Aware fMRI Analysis [4.753690672619091]
  本稿では,fMRI時系列における生BOLD信号のエンドツーエンド解析のための選択的状態空間アーキテクチャであるNeuroSSMを提案する。 NeuroSSMは2つの相補的な設計コンポーネントを通じて上記の制限に対処する。 臨床および非臨床データセットの実験は、NeuroSSMが最先端のfMRI分析法と競合する性能と効率を達成することを示した。
  論文  参考訳（メタデータ） (2026-01-03T16:35:45Z)
• Spatial Reasoning with Denoising Models [49.83744014336816]
  本稿では,連続変数の集合に対する推論を行うためのフレームワークを提案する。 初めて、その生成順序をデノナイジングネットワーク自体によって予測できる。 これらの結果から,特定の推論タスクの精度を1%から50%に向上させることができる。
  論文  参考訳（メタデータ） (2025-02-28T14:08:30Z)
• Firing Rate Models as Associative Memory: Excitatory-Inhibitory Balance for Robust Retrieval [3.961279440272764]
  フィリングレートモデル(Firing rate model)は、神経細胞の局所的な皮質力学を記述するために応用および理論神経科学に広く用いられている力学系である。 本稿では, 再スケールメモリパターンの出現を, 発火速度力学における安定平衡として保証する一般的な枠組みを提案する。 本研究では, 記憶が局所的に, グローバルに安定な条件を解析し, 連想記憶検索のための生物学的に証明可能な, 堅牢なシステムの構築に関する知見を提供する。
  論文  参考訳（メタデータ） (2024-11-11T21:40:57Z)
• Decoupled Marked Temporal Point Process using Neural Ordinary Differential Equations [14.828081841581296]
  MTPP(マークド・テンポラル・ポイント・プロセス)は、イベント・タイム・データの集合である。 近年の研究では、ディープニューラルネットワークを使用してイベントの複雑な時間的依存関係をキャプチャしている。 本稿では,プロセスの特性を異なる事象からの進化的影響の集合に分解する脱結合型MTPPフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-06-10T10:15:32Z)
• Interpretable Spatio-Temporal Embedding for Brain Structural-Effective Network with Ordinary Differential Equation [56.34634121544929]
  本研究では,まず動的因果モデルを用いて脳効果ネットワークを構築する。 次に、STE-ODE(Spatio-Temporal Embedding ODE)と呼ばれる解釈可能なグラフ学習フレームワークを導入する。 このフレームワークは、構造的および効果的なネットワーク間の動的相互作用を捉えることを目的とした、特異的に設計されたノード埋め込み層を含んでいる。
  論文  参考訳（メタデータ） (2024-05-21T20:37:07Z)
• Semantically-correlated memories in a dense associative model [2.7195102129095003]
  私はCorrelated Associative Memory(CDAM)という新しい連想記憶モデルを紹介します。 CDAMは、自動連想とヘテロ連想の両方を、連続的に評価されたメモリパターンのための統一されたフレームワークに統合する。 理論的、数値的に解析され、4つの異なる力学モードが明らかにされている。
  論文  参考訳（メタデータ） (2024-04-10T16:04:07Z)
• Learning Associative Memories with Gradient Descent [21.182801606213495]
  この研究は、トークン埋め込みの外部積を格納する1つの連想メモリモジュールのトレーニングダイナミクスに焦点を当てている。 相関埋め込みによるトークン周波数とメモリ干渉の不均衡が過渡的状態を引き起こすことを示す。
  論文  参考訳（メタデータ） (2024-02-28T21:47:30Z)
• TC-LIF: A Two-Compartment Spiking Neuron Model for Long-Term Sequential Modelling [54.97005925277638]
  潜在的な可能性や危険に関連する感覚的手がかりの同定は、長期間の遅延によって有用な手がかりを分離する無関係な事象によってしばしば複雑になる。 SNN(State-of-the-art spiking Neural Network)は、遠方のキュー間の長期的な時間的依存関係を確立する上で、依然として困難な課題である。 そこで本研究では,T-LIFとよばれる,生物学的にインスパイアされたTwo-compartment Leaky Integrate- and-Fireのスパイキングニューロンモデルを提案する。
  論文  参考訳（メタデータ） (2023-08-25T08:54:41Z)
• Reducing Catastrophic Forgetting in Self Organizing Maps with Internally-Induced Generative Replay [67.50637511633212]
  生涯学習エージェントは、パターン知覚データの無限のストリームから継続的に学習することができる。 適応するエージェントを構築する上での歴史的難しさの1つは、ニューラルネットワークが新しいサンプルから学ぶ際に、以前取得した知識を維持するのに苦労していることである。 この問題は破滅的な忘れ(干渉)と呼ばれ、今日の機械学習の領域では未解決の問題のままである。
  論文  参考訳（メタデータ） (2021-12-09T07:11:14Z)
• Out-of-time-order correlations and the fine structure of eigenstate thermalisation [58.720142291102135]
  量子情報力学と熱化を特徴付けるツールとして、OTOC(Out-of-time-orderor)が確立されている。 我々は、OTOCが、ETH(Eigenstate Thermalisation hypothesis)の詳細な詳細を調査するための、本当に正確なツールであることを明確に示している。 無限温度状態における局所作用素の和からなる可観測物の一般クラスに対して、$omega_textrmGOE$の有限サイズスケーリングを推定する。
  論文  参考訳（メタデータ） (2021-03-01T17:51:46Z)
• Learning Dynamic and Personalized Comorbidity Networks from Event Data using Deep Diffusion Processes [102.02672176520382]
  コンコルビンド病は、個人によって異なる複雑な時間的パターンを通じて発生し進行する。 電子的な健康記録では、患者が持つ異なる疾患を観察できるが、それぞれの共死状態の時間的関係を推測できるだけである。 我々は「ダイナミック・コオービディティ・ネットワーク」をモデル化するための深層拡散プロセスを開発する。
  論文  参考訳（メタデータ） (2020-01-08T15:47:08Z)

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。