論文の概要: Dynamic Heuristic Neuromorphic Solver for the Edge User Allocation Problem with Bayesian Confidence Propagation Neural Network

• arxiv url: http://arxiv.org/abs/2602.01294v1
• Date: Sun, 01 Feb 2026 15:48:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-03 19:28:33.698889
• Title: Dynamic Heuristic Neuromorphic Solver for the Edge User Allocation Problem with Bayesian Confidence Propagation Neural Network
• Title（参考訳）: ベイジアン信頼度伝播ニューラルネットワークを用いたエッジユーザ配置問題に対する動的ヒューリスティックニューロモルフィック解法
• Authors: Kecheng Zhang, Anders Lansner, Ahsan Javed Awan, Naresh Balaji Ravichandran, Pawel Herman,
• Abstract要約: NP-hard Edge User Allocation 問題に対するニューロモルフィックな解法を提案する。 我々の解法は動的バイアスを用いてリアルタイムでアロケーションを誘導し、各WTAモチーフに「アロケーションなし」状態を導入する。 このアプローチはニューロモルフィックアーキテクチャと互換性があり、エネルギー効率の改善をもたらす可能性がある。
• 参考スコア（独自算出の注目度）: 1.0159681653887236
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose a neuromorphic solver for the NP-hard Edge User Allocation problem using an attractor network with Winner-Takes-All (WTA) mechanism implemented with the Bayesian Confidence Propagation Neural Network (BCPNN) framework. Unlike previous energy-based attractor networks, our solver uses dynamic heuristic biasing to guide allocations in real time and introduces a "no allocation" state to each WTA motif, achieving near-optimal performance with an empirically upper-bounded number of time steps. The approach is compatible with neuromorphic architectures and may offer improvements in energy efficiency.
• Abstract（参考訳）: 本稿では,ベイジアン信頼伝搬ニューラルネットワーク(BCPNN)フレームワークで実装されたWinner-Takes-All(WTA)機構を用いたアトラクタネットワークを用いたNPハードエッジユーザ割り当て問題のニューロモルフィック解法を提案する。 従来のエネルギーベースのアトラクタネットワークとは違って,我々は動的ヒューリスティックバイアスを用いてリアルタイムでアロケーションを誘導し,各WTAモチーフに「アロケーションなし」状態を導入する。 このアプローチはニューロモルフィックアーキテクチャと互換性があり、エネルギー効率の改善をもたらす可能性がある。

関連論文リスト

• Improved Physics-Driven Neural Network to Solve Inverse Scattering Problems [11.456980278006574]
  本稿では、電磁逆散乱問題(ISP)を解決するための改良された物理駆動型ニューラルネットワーク(IPDNN)フレームワークを提案する。 収束を安定させ、軽量で正確なネットワークアーキテクチャを実現するため、新しいガウス局所発振抑制窓(GLOW)アクティベーション関数を導入した。 提案手法は, 従来の最先端手法と比較して, 復元精度, 堅牢性, 効率性に優れる。
  論文  参考訳（メタデータ） (2025-12-10T05:41:09Z)
• Solving Heterogeneous Agent Models with Physics-informed Neural Networks [0.0]
  本稿では物理インフォームドニューラルネットワーク(PINN)に基づくアプローチであるABH-PINNソルバを紹介する。 PINNはハミルトン・ヤコビ・ベルマン方程式とコルモゴロフフォワード方程式を直接ニューラルネットワークトレーニングの目的に組み込む。 予備的な結果は、PINNに基づくアプローチが、確立された有限差分解法に適合する経済的に有効な結果を得ることができることを示している。
  論文  参考訳（メタデータ） (2025-11-25T13:11:03Z)
• Unrolled Graph Neural Networks for Constrained Optimization [83.29547301151177]
  2つの結合グラフニューラルネットワーク(GNN)における双対昇降アルゴリズムのダイナミクスについて検討する。 予備的ネットワークと二重ネットワークの更新を交互に行う共同学習手法を提案する。 我々の数値実験は、我々のアプローチがほぼ最適に近いほぼ実現可能な解をもたらすことを示す。
  論文  参考訳（メタデータ） (2025-09-21T16:55:41Z)
• Proxy Target: Bridging the Gap Between Discrete Spiking Neural Networks and Continuous Control [59.65431931190187]
  スパイキングニューラルネットワーク(SNN)は、ニューロモルフィックハードウェア上で低レイテンシかつエネルギー効率の意思決定を提供する。 連続制御のためのほとんどの連続制御アルゴリズムは、人工ニューラルネットワーク(ANN)のために設計されている。 このミスマッチはSNNのトレーニングを不安定にし、性能を劣化させる。 離散SNNと連続制御アルゴリズムのギャップを埋める新しいプロキシターゲットフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-05-30T03:08:03Z)
• Finite Element Neural Network Interpolation. Part I: Interpretable and Adaptive Discretization for Solving PDEs [44.99833362998488]
  組込み有限要素ニューラルネットワーク(EFENN)における従来の研究を拡張したスパースニューラルネットワークアーキテクチャを提案する。 EFENNはメッシュベースの構造であるため、完全に接続されたニューラルネットワークよりもトレーニング可能なパラメータをはるかに少なくする必要がある。 EFENNフレームワーク内のFENNIフレームワークは、HiDeNNアプローチの改善をもたらします。
  論文  参考訳（メタデータ） (2024-12-07T18:31:17Z)
• Scalable spectral representations for multi-agent reinforcement learning in network MDPs [13.782868855372774]
  マルチエージェント制御の一般的なモデルであるNetwork Markov Decision Processes (MDPs)は、効率的な学習に重大な課題をもたらす。 まず、ネットワークMDPに対してスケーラブルなスペクトル局所表現を導出し、各エージェントの局所$Q$関数に対するネットワーク線形部分空間を誘導する。 我々は,連続的な状態対応ネットワークMDPのためのスケーラブルなアルゴリズムフレームワークを設計し,アルゴリズムの収束をエンドツーエンドで保証する。
  論文  参考訳（メタデータ） (2024-10-22T17:45:45Z)
• An Attempt to Devise a Pairwise Ising-Type Maximum Entropy Model Integrated Cost Function for Optimizing SNN Deployment [0.0]
  スパイクニューラルネットワーク(SNN)は、生物学的ニューロンのスパイク動作をエミュレートし、通常、分散メモリニューロモルフィックハードウェアにデプロイされる。 We model SNN dynamics using a Ising-type pairwise interaction framework, bridging micro neuron interaction with macroscopic network behavior。 我々は、sPyNNakerニューロモルフィックプラットフォーム上に配置された2つのSNNに対するアプローチを評価した。
  論文  参考訳（メタデータ） (2024-07-09T16:33:43Z)
• DNN Partitioning, Task Offloading, and Resource Allocation in Dynamic Vehicular Networks: A Lyapunov-Guided Diffusion-Based Reinforcement Learning Approach [49.56404236394601]
  本稿では,Vehicular Edge Computingにおける共同DNNパーティショニング,タスクオフロード,リソース割り当ての問題を定式化する。 我々の目標は、時間とともにシステムの安定性を保証しながら、DNNベースのタスク完了時間を最小化することである。 拡散モデルの革新的利用を取り入れたマルチエージェント拡散に基づく深層強化学習(MAD2RL)アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-06-11T06:31:03Z)
• Comparative Analysis of Interval Reachability for Robust Implicit and Feedforward Neural Networks [64.23331120621118]
  我々は、暗黙的ニューラルネットワーク(INN)の堅牢性を保証するために、区間到達可能性分析を用いる。 INNは暗黙の方程式をレイヤとして使用する暗黙の学習モデルのクラスである。 提案手法は, INNに最先端の区間境界伝搬法を適用するよりも, 少なくとも, 一般的には, 有効であることを示す。
  論文  参考訳（メタデータ） (2022-04-01T03:31:27Z)
• Deep Neural Networks and PIDE discretizations [2.4063592468412276]
  畳み込みニューラルネットワーク(CNN)の安定性と視野問題に対処するニューラルネットワークを提案する。 本稿では,大域重み付きラプラス作用素,分数ラプラス作用素,分数逆ラプラス作用素に関連する積分型空間非局所作用素を提案する。 自律運転における画像分類データセットとセマンティックセグメンテーションタスクのベンチマーク上で,提案したニューラルネットワークの有効性を検証した。
  論文  参考訳（メタデータ） (2021-08-05T08:03:01Z)
• Kernel-Based Smoothness Analysis of Residual Networks [85.20737467304994]
  ResNets(Residual Networks)は、これらの強力なモダンアーキテクチャの中でも際立っている。 本稿では,2つのモデル,すなわちResNetsが勾配よりもスムーズな傾向を示す。
  論文  参考訳（メタデータ） (2020-09-21T16:32:04Z)

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。