論文の概要: Variational Distributional Neuron

• arxiv url: http://arxiv.org/abs/2602.18250v1
• Date: Fri, 20 Feb 2026 14:35:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-23 18:01:41.349178
• Title: Variational Distributional Neuron
• Title（参考訳）: 変動分布ニューロン
• Authors: Yves Ruffenach,
• Abstract要約: VAEれんがとして定式化された演算部は、前部と、償却後部と、局所ELBOとを収容する。 我々は「崩壊」モードと「生きたニューロン」の条件を解析する 次に、ユニットごとの遅延前の自動回帰を通じて、時間とともにコントリビューションを拡張します。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We propose a proof of concept for a variational distributional neuron: a compute unit formulated as a VAE brick, explicitly carrying a prior, an amortized posterior and a local ELBO. The unit is no longer a deterministic scalar but a distribution: computing is no longer about propagating values, but about contracting a continuous space of possibilities under constraints. Each neuron parameterizes a posterior, propagates a reparameterized sample and is regularized by the KL term of a local ELBO - hence, the activation is distributional. This "contraction" becomes testable through local constraints and can be monitored via internal measures. The amount of contextual information carried by the unit, as well as the temporal persistence of this information, are locally tuned by distinct constraints. This proposal addresses a structural tension: in sequential generation, causality is predominantly organized in the symbolic space and, even when latents exist, they often remain auxiliary, while the effective dynamics are carried by a largely deterministic decoder. In parallel, probabilistic latent models capture factors of variation and uncertainty, but that uncertainty typically remains borne by global or parametric mechanisms, while units continue to propagate scalars - hence the pivot question: if uncertainty is intrinsic to computation, why does the compute unit not carry it explicitly? We therefore draw two axes: (i) the composition of probabilistic constraints, which must be made stable, interpretable and controllable; and (ii) granularity: if inference is a negotiation of distributions under constraints, should the primitive unit remain deterministic or become distributional? We analyze "collapse" modes and the conditions for a "living neuron", then extend the contribution over time via autoregressive priors over the latent, per unit.
• Abstract（参考訳）: 本稿では,VAEブロックとして定式化され,前者,償却後者,局所ELBOを明示的に担持する計算ユニットとして,変分分布ニューロンの概念実証を提案する。 この単位はもはや決定論的スカラーではなく分布である: 計算はもはや値の伝播ではなく、制約の下で連続的な可能性空間を収縮することである。 各ニューロンは後部をパラメータ化し、再パラメータ化されたサンプルを伝播し、局所ELBOのKL項によって規則化される。 この「抽出」は局所的な制約によってテスト可能となり、内部測定によって監視される。 単位によって運ばれる文脈情報の量と、この情報の時間的持続性は、異なる制約によって局所的に調整される。 この提案は構造的緊張に対処する: シーケンシャル世代では因果関係は主として記号空間で組織され、潜伏している場合でもしばしば補助的であり、効果的なダイナミクスは決定論的デコーダによって運ばれる。 並列的に、確率的潜在モデルは変動と不確実性の要因を捉えるが、その不確実性は通常、大域的またはパラメトリックなメカニズムによって生じるものであり、一方ユニットはスカラーを伝播し続ける。 したがって、我々は2つの軸を描きます。 一 安定し、解釈し、制御しなければならない確率的制約の構成 (ii)粒度:もし推論が制約の下で分布の交渉であるなら、原始単位は決定論的か分布的か? 我々は「崩壊」モードと「生きたニューロン」の条件を分析し、単位単位あたりの自己回帰的先行を通じて時間とともに貢献を拡大する。

関連論文リスト

• Random-Matrix-Induced Simplicity Bias in Over-parameterized Variational Quantum Circuits [72.0643009153473]
  本稿では,観測可能な期待値とパラメータ勾配の両方がシステムサイズに指数関数的に集中するHaar型普遍性クラスに,表現的変分アンサーゼが入ることを示す。 その結果、そのような回路によって誘導される仮説クラスは、近点関数の狭い族に高い確率で崩壊する。 テンソル-ネットワークベースおよびテンソル-ハイパーネットワークパラメータ化を含むテンソル構造VQCは、ハール型普遍性クラスの外にある。
  論文  参考訳（メタデータ） (2026-01-05T08:04:33Z)
• Chaos, Entanglement and Measurement: Field-Theoretic Perspectives on Quantum Information Dynamics [0.0]
  I study scrambling and pseudorandomness in the Brownian Sachdev-Ye-Kitaev model。 弱測定SYKクラスターに対する場の理論を構築する。 測定専用SYKクラスタのための高次再正規化グループを開発した。
  論文  参考訳（メタデータ） (2025-12-11T10:04:30Z)
• On the entanglement of co-ordinate and momentum degrees of freedom in noncommutative space [0.0]
  位相空間非可換性により引き起こされる量子絡み合いについて検討する。 座標の絡み合い特性と運動量自由度について検討した。 位相空間の非可換性を含むだけでは、絡み合いを生成するのに十分でないことを示す。
  論文  参考訳（メタデータ） (2024-01-05T18:43:47Z)
• Diagnosing non-Hermitian Many-Body Localization and Quantum Chaos via Singular Value Decomposition [0.0]
  相互作用する量子スピン鎖の強い局所障害は、非局在化された固有モードを局所化された固有状態に変換する。 これは、非局在化相はカオスであり、局所化相は可積分である。 我々は、ランダムな散逸(ランダムな乱れなしで)が、他の可積分系においてカオス的あるいは局所的な振る舞いを誘発するかどうかを問う。
  論文  参考訳（メタデータ） (2023-11-27T19:00:01Z)
• Machine learning in and out of equilibrium [58.88325379746631]
  我々の研究は、統計物理学から適応したフォッカー・プランク法を用いて、これらの平行線を探索する。 我々は特に、従来のSGDでは平衡が切れている長期的限界におけるシステムの定常状態に焦点を当てる。 本稿では,ミニバッチの置き換えを伴わない新しいランゲヴィンダイナミクス(SGLD)を提案する。
  論文  参考訳（メタデータ） (2023-06-06T09:12:49Z)
• Nonparametric Conditional Local Independence Testing [69.31200003384122]
  条件付き局所独立は、連続的な時間プロセス間の独立関係である。 条件付き地域独立の非パラメトリックテストは行われていない。 二重機械学習に基づく非パラメトリックテストを提案する。
  論文  参考訳（メタデータ） (2022-03-25T10:31:02Z)
• Neuro-Symbolic Entropy Regularization [78.16196949641079]
  構造化予測では、目的は構造化されたオブジェクトをエンコードする多くの出力変数を共同で予測することである。 エントロピー正則化(Entropy regularization)という1つのアプローチは、決定境界が低確率領域にあるべきであることを示唆している。 我々は、モデルが有効対象を確実に予測することを奨励する損失、ニューロシンボリックエントロピー正規化を提案する。
  論文  参考訳（メタデータ） (2022-01-25T06:23:10Z)
• Discovering Latent Causal Variables via Mechanism Sparsity: A New Principle for Nonlinear ICA [81.4991350761909]
  ICA(Independent component analysis)は、この目的を定式化し、実用的な応用のための推定手順を提供する手法の集合を指す。 潜伏変数は、潜伏機構をスパースに正則化すれば、置換まで復元可能であることを示す。
  論文  参考訳（メタデータ） (2021-07-21T14:22:14Z)
• Interplay between transport and quantum coherences in free fermionic systems [58.720142291102135]
  自由フェルミオン系のクエンチダイナミクスについて検討する。 特に,入力として定常電流の値をとり,出力として相関値を与えるEmphtransition Mapをダブする関数を同定する。
  論文  参考訳（メタデータ） (2021-03-24T17:47:53Z)
• Unifying supervised learning and VAEs -- coverage, systematics and goodness-of-fit in normalizing-flow based neural network models for astro-particle reconstructions [0.0]
  統計的不確実性、包括性、体系的不確実性、あるいは適度な尺度はしばしば計算されない。 データとラベルの共分散のKL分割の目的は、教師付き学習と変分オートエンコーダの統合を可能にすることを示す。 本稿では,特定の「基本順序」輪郭の数値積分を伴わずにカバレッジ確率を計算する方法について論じる。
  論文  参考訳（メタデータ） (2020-08-13T11:28:57Z)

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。