論文の概要: Context-dependent manifold learning: A neuromodulated constrained autoencoder approach

• arxiv url: http://arxiv.org/abs/2603.11673v1
• Date: Thu, 12 Mar 2026 08:39:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-13 14:46:25.966308
• Title: Context-dependent manifold learning: A neuromodulated constrained autoencoder approach
• Title（参考訳）: 文脈依存型多様体学習:ニューロ変調された制約付きオートエンコーダアプローチ
• Authors: Jérôme Adriaens, Guillaume Drion, Pierre Sacré,
• Abstract要約: 制約付きオートエンコーダ(cAE)は、解釈可能な次元減少への道筋を提供する。 本稿では,文脈依存型多様体学習を可能にするため,脳神経調節機構をcAEフレームワークに導入する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Constrained autoencoders (cAE) provide a successful path towards interpretable dimensionality reduction by enforcing geometric structure on latent spaces. However, standard cAEs cannot adapt to varying physical parameters or environmental conditions without conflating these contextual shifts with the primary input. To address this, we integrated a neuromodulatory mechanism into the cAE framework to allow for context-dependent manifold learning. This paper introduces the Neuromodulated Constrained Autoencoder (NcAE), which adaptively parameterizes geometric constraints via gain and bias tuning conditioned on static contextual information. Experimental results on dynamical systems show that the NcAE accurately captures how manifold geometry varies across different regimes while maintaining rigorous projection properties. These results demonstrate that neuromodulation effectively decouples global contextual parameters from local manifold representations. This architecture provides a foundation for developing more flexible, physics-informed representations in systems subject to (non-stationary) environmental constraints.
• Abstract（参考訳）: 制約付き自己エンコーダ(cAE)は、潜在空間上の幾何学的構造を強制することにより、解釈可能な次元減少への道筋を提供する。 しかし、標準的なCAEは、これらの文脈シフトを一次入力と混同することなく、様々な物理的パラメータや環境条件に適応することはできない。 そこで我々は,脳神経調節機構をCAEフレームワークに統合し,文脈依存型多様体学習を可能にした。 本稿では,静的な文脈情報に基づくゲインとバイアスチューニングによる幾何的制約を適応的にパラメータ化するニューロ変調制約オートエンコーダ(NcAE)を提案する。 力学系の実験結果から、NcAEは厳密な射影特性を維持しながら、異なるレジーム間で多様体の幾何がどのように変化するかを正確に捉えている。 これらの結果は,局所多様体表現から大域的文脈パラメータを効果的に分離することを示した。 このアーキテクチャは、(非定常的な)環境制約を受けるシステムにおいて、より柔軟で物理学で表現された表現を開発する基盤を提供する。

関連論文リスト

• GeoAda: Efficiently Finetune Geometric Diffusion Models with Equivariant Adapters [61.51810815162003]
  制御された生成タスクに対してフレキシブルかつパラメータ効率の良い微調整を可能にするSE(3)-equivariant Adapter framework(GeoAda)を提案する。 GeoAdaは、過剰適合と破滅的な忘れを緩和しながら、モデルの幾何的一貫性を保っている。 我々は、フレーム制御、グローバル制御、サブグラフ制御、広範囲のアプリケーションドメインを含む多様な幾何学的制御タイプにまたがるGeoAdaの適用性を実証する。
  論文  参考訳（メタデータ） (2025-07-02T18:44:03Z)
• High-Fidelity Scientific Simulation Surrogates via Adaptive Implicit Neural Representations [51.90920900332569]
  入射神経表現(INR)は空間的に構造化されたデータをモデリングするためのコンパクトで連続的なフレームワークを提供する。 近年のアプローチでは、剛性幾何学的構造に沿った付加的な特徴を導入することでこの問題に対処している。 機能適応型INR(FA-INR)を提案する。
  論文  参考訳（メタデータ） (2025-06-07T16:45:17Z)
• Geometry aware inference of steady state PDEs using Equivariant Neural Fields representations [0.30786914102688595]
  本稿では,幾何的変動を考慮した定常PDEの予測手法であるenf2enfを紹介する。 本手法は,特定空間に固定された遅延特徴にジオメトリを符号化し,ネットワーク全体の局所性を保存する。
  論文  参考訳（メタデータ） (2025-04-24T08:30:32Z)
• Neural Context Flows for Meta-Learning of Dynamical Systems [3.8233569758620054]
  我々は、不確実性推定を含む頑健で解釈可能なメタラーニングフレームワークであるNeural Context Flow (NCF)を紹介する。 NCFはTaylor拡張を使用してコンテキストの自己変調を可能にし、コンテキストベクトルが他のドメインからのダイナミクスに影響を与えると同時に、自分自身を変調することを可能にする。 この結果から, 線形および非線形の6つのベンチマーク問題のうち5つにおいて, NCFの出力性能が向上していることが示唆された。
  論文  参考訳（メタデータ） (2024-05-03T15:02:21Z)
• Learning Modulated Transformation in GANs [69.95217723100413]
  生成逆数ネットワーク(GAN)のジェネレータに、変調変換モジュール(Modulated transformation module, MTM)と呼ばれるプラグアンドプレイモジュールを装備する。 MTMは、可変位置で畳み込み操作を適用可能な潜在符号の制御下で空間オフセットを予測する。 挑戦的なTaiChiデータセット上での人為的な生成に向けて、StyleGAN3のFIDを21.36から13.60に改善し、変調幾何変換の学習の有効性を実証した。
  論文  参考訳（メタデータ） (2023-08-29T17:51:22Z)
• ConCerNet: A Contrastive Learning Based Framework for Automated Conservation Law Discovery and Trustworthy Dynamical System Prediction [82.81767856234956]
  本稿では,DNNに基づく動的モデリングの信頼性を向上させるために,ConCerNetという新しい学習フレームワークを提案する。 本手法は, 座標誤差と保存量の両方において, ベースラインニューラルネットワークよりも一貫して優れていることを示す。
  論文  参考訳（メタデータ） (2023-02-11T21:07:30Z)
• CSformer: Bridging Convolution and Transformer for Compressive Sensing [65.22377493627687]
  本稿では,CNNからの詳細な空間情報を活用するためのハイブリッドフレームワークと,表現学習の強化を目的としたトランスフォーマーが提供するグローバルコンテキストを統合することを提案する。 提案手法は、適応的なサンプリングとリカバリからなるエンドツーエンドの圧縮画像センシング手法である。 実験により, 圧縮センシングにおける専用トランスアーキテクチャの有効性が示された。
  論文  参考訳（メタデータ） (2021-12-31T04:37:11Z)

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。