論文の概要: MetaSort: An Accelerated Approach for Non-uniform Compression and Few-shot Classification of Neural Spike Waveforms

• arxiv url: http://arxiv.org/abs/2603.07602v1
• Date: Sun, 08 Mar 2026 12:17:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-10 15:13:14.901996
• Title: MetaSort: An Accelerated Approach for Non-uniform Compression and Few-shot Classification of Neural Spike Waveforms
• Title（参考訳）: MetaSort: ニューラルスパイク波形の非一様圧縮とFew-shot分類のための高速化されたアプローチ
• Authors: Luca M. Meyer, Majid Zamani,
• Abstract要約: これら2つの問題に対処するため,MetaSortと呼ばれる新しいアルゴリズムが提案されている。 圧縮に対処するため,高忠実度でスパイク形状を近似する適応レベル交差アルゴリズムを提案する。 in-vivoスパイクデータによる実験は、MetaSortが有望なパフォーマンスを提供することを示す。
• 参考スコア（独自算出の注目度）: 1.1279808969568255
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Many previous works in spike sorting study spike classification and compression independently. In this paper, a novel algorithm is proposed called MetaSort to address these two problems. To deal with compression, a novel adaptive level crossing algorithm is proposed to approximate spike shapes with high fidelity. Meanwhile, the latent feature representation is used to handle the classification problem. Besides, to guarantee MetaSort is robust and discriminative, the geometric information of data is exploited simultaneously in the proposed framework by meta-transfer learning. Empirical experiments with in-vivo spike data demonstrate that MetaSort delivers promising performance, highlighting its potential and motivating continued development toward an ultra-low-power, on-chip implementation.
• Abstract（参考訳）: スパイクソート研究における以前の多くの研究は、スパイク分類と圧縮を独立に研究した。 本稿では,この2つの問題に対処するため,メタソートと呼ばれる新しいアルゴリズムを提案する。 圧縮に対処するため,高忠実度でスパイク形状を近似する適応レベル交差アルゴリズムを提案する。 一方、潜在特徴表現は分類問題に対処するために用いられる。 また,MetaSortが堅牢かつ差別的であることを保証するため,メタトランスファー学習により,提案フレームワークにおいてデータの幾何学的情報を同時に活用する。 in-vivoスパイクデータによる実証実験は、MetaSortが有望なパフォーマンスを提供し、その可能性を強調し、超低消費電力のオンチップ実装に向けた継続的な開発を動機付けていることを示している。

関連論文リスト

• Quantization of Large Language Models with an Overdetermined Basis [73.79368761182998]
  本稿では,嘉心表現の原理に基づくデータ量子化アルゴリズムを提案する。 以上の結果から, カシ量子化はモデル性能の競争力や優れた品質を達成できることが示唆された。
  論文  参考訳（メタデータ） (2024-04-15T12:38:46Z)
• Hamming Encoder: Mining Discriminative k-mers for Discrete Sequence Classification [1.6693049653540362]
  既存のパターンベースの手法は、採掘過程において個々の特徴の識別力を測定する。 シーケンスを特徴ベクトルに変換した後、全体的な識別性能を確保することは困難である。 本稿では,二項化1D畳み込みニューラルネットワーク(1DCNN)アーキテクチャを用いて,識別的k-mer集合をマイニングするハミングを提案する。
  論文  参考訳（メタデータ） (2023-10-16T12:03:27Z)
• On Robust Learning from Noisy Labels: A Permutation Layer Approach [53.798757734297986]
  本稿では、深層ニューラルネットワーク(DNN)のトレーニング過程を動的に校正するPermLLと呼ばれる置換層学習手法を提案する。 本稿では,PermLLの2つの変種について述べる。一方はモデルの予測に置換層を適用し,他方は与えられた雑音ラベルに直接適用する。 我々はPermLLを実験的に検証し、実際のデータセットと合成データセットの両方で最先端のパフォーマンスを実現することを示す。
  論文  参考訳（メタデータ） (2022-11-29T03:01:48Z)
• Gradient Step Denoiser for convergent Plug-and-Play [5.629161809575015]
  プラグイン・アンド・プレイの手法は、様々な画像問題に対して大きな視覚的パフォーマンスをもたらす可能性がある。 半四進法に基づく新しいタイプのPlug-and-Play法を提案する。 実験により、パフォーマンスを損なうことなく、そのような深い嫌悪者を学ぶことが可能であることが示されている。
  論文  参考訳（メタデータ） (2021-10-07T07:11:48Z)
• DyCo3D: Robust Instance Segmentation of 3D Point Clouds through Dynamic Convolution [136.7261709896713]
  本稿では,インスタンスの性質に応じて適切な畳み込みカーネルを生成するデータ駆動型アプローチを提案する。 提案手法はScanetNetV2とS3DISの両方で有望な結果が得られる。 また、現在の最先端よりも推論速度を25%以上向上させる。
  論文  参考訳（メタデータ） (2020-11-26T14:56:57Z)
• Geometric Disentanglement by Random Convex Polytopes [3.6852491526879683]
  深層学習から得られた表現の質を測定するための新しい幾何学的手法を提案する。 提案手法はランダム・ポリトープ記述法(Random Polytope Descriptor)と呼ばれ、ランダム・凸・ポリトープの構成に基づくデータポイントの効率的な記述を提供する。
  論文  参考訳（メタデータ） (2020-09-29T13:16:26Z)
• Self-Supervised Tuning for Few-Shot Segmentation [82.32143982269892]
  Few-shotのセグメンテーションは、アノテートされたサンプルがほとんどない各画像ピクセルにカテゴリラベルを割り当てることを目的としている。 既存のメタラーニング手法では, 画像から抽出した視覚的特徴を埋め込み空間に埋め込むと, カテゴリー別識別記述子の生成に失敗する傾向にある。 本稿では,複数のエピソードにまたがる潜在特徴の分布を,自己分割方式に基づいて動的に調整する適応型フレームワークチューニングを提案する。
  論文  参考訳（メタデータ） (2020-04-12T03:53:53Z)
• Rectified Meta-Learning from Noisy Labels for Robust Image-based Plant Disease Diagnosis [64.82680813427054]
  植物病は食料安全保障と作物生産に対する主要な脅威の1つである。 1つの一般的なアプローチは、葉画像分類タスクとしてこの問題を変換し、強力な畳み込みニューラルネットワーク(CNN)によって対処できる。 本稿では,正規化メタ学習モジュールを共通CNNパラダイムに組み込んだ新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-03-17T09:51:30Z)
• Adaptive Correlated Monte Carlo for Contextual Categorical Sequence Generation [77.7420231319632]
  我々は,モンテカルロ (MC) ロールアウトの集合を分散制御のために評価する政策勾配推定器に,カテゴリー列の文脈的生成を適用する。 また,二分木ソフトマックスモデルに相関したMCロールアウトを用いることで,大語彙シナリオにおける高生成コストを低減できることを示す。
  論文  参考訳（メタデータ） (2019-12-31T03:01:55Z)

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。