論文の概要: Behavioral Heterogeneity as Quantum-Inspired Representation

• arxiv url: http://arxiv.org/abs/2603.22729v1
• Date: Tue, 24 Mar 2026 02:48:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-25 19:53:37.259445
• Title: Behavioral Heterogeneity as Quantum-Inspired Representation
• Title（参考訳）: 量子インスパイアされた表現としての振舞いの不均一性
• Authors: Mohammad Elayan, Wissam Kontar,
• Abstract要約: 本稿では,各ドライバを,構造的数学的特性を持つ密度行列として提示した遅延状態としてモデル化する量子インスピレーションド表現を提案する。 実験的な運転データである第3世代データについて,運転プロファイルの抽出と分析を行った。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Driver heterogeneity is often reduced to labels or discrete regimes, compressing what is inherently dynamic into static categories. We introduce quantum-inspired representation that models each driver as an evolving latent state, presented as a density matrix with structured mathematical properties. Behavioral observations are embedded via non-linear Random Fourier Features, while state evolution blends temporal persistence of behavior with context-dependent profile activation. We evaluate our approach on empirical driving data, Third Generation Simulation Data (TGSIM), showing how driving profiles are extracted and analyzed.
• Abstract（参考訳）: ドライバの不均一性はしばしばラベルや離散的なレシエーションに還元され、本質的に動的であるものを静的なカテゴリに圧縮する。 本稿では,各ドライバを,構造的数学的特性を持つ密度行列として提示した遅延状態としてモデル化する量子インスピレーションド表現を提案する。 行動観察は非線形ランダムフーリエ特徴によって埋め込まれ、状態進化は行動の時間的持続性と文脈に依存したプロファイルアクティベーションをブレンドする。 実験運転データである第3世代シミュレーションデータ(TGSIM)について,運転プロファイルの抽出と解析を行った。

関連論文リスト

• Disordered Dynamics in High Dimensions: Connections to Random Matrices and Machine Learning [52.26396748560348]
  ランダム行列によって駆動される高次元力学系について概説する。 機械学習理論における学習と一般化の単純なモデルへの応用に焦点を当てる。
  論文  参考訳（メタデータ） (2026-01-03T00:12:32Z)
• When and how can inexact generative models still sample from the data manifold? [2.4664553878979185]
  スコア関数やドリフトベクトル場における学習誤差にもかかわらず、生成されたサンプルはデータ分布の支持を強調させるが、それから強調しないように見える。 我々は、上のリャプノフベクトルとデータ多様体の境界に沿った接空間とのアライメントがロバスト性をもたらすことを示す。
  論文  参考訳（メタデータ） (2025-08-11T03:24:34Z)
• Learning Stochastic Nonlinear Dynamics with Embedded Latent Transfer Operators [5.074981199059028]
  非線形力学系の演算子に基づく潜在マルコフ表現を考える。 埋め込みは、例えばフィードフォワードニューラルネットワークで構築された再生カーネルを使って同時に学習することができる。 また、非線形系における逐次状態推定の一般化や、演算子に基づくダイナミクスの固有モード分解についても論じる。
  論文  参考訳（メタデータ） (2025-01-06T02:25:48Z)
• Latent Space Energy-based Neural ODEs [73.01344439786524]
  本稿では,連続時間列を表現するために設計された新しい深部力学モデルを提案する。 マルコフ連鎖モンテカルロの最大推定値を用いてモデルを訓練する。 振動系, ビデオ, 実世界の状態系列(MuJoCo)の実験結果から, 学習可能なエネルギーベース先行モデルの方が既存のモデルより優れていることが示された。
  論文  参考訳（メタデータ） (2024-09-05T18:14:22Z)
• GIC: Gaussian-Informed Continuum for Physical Property Identification and Simulation [60.33467489955188]
  本稿では,視覚的観察を通して物理特性(システム同定)を推定する問題について検討する。 物理特性推定における幾何学的ガイダンスを容易にするために,我々は新しいハイブリッドフレームワークを提案する。 本研究では,3次元ガウス点集合としてオブジェクトを復元する動き分解に基づく動的3次元ガウスフレームワークを提案する。 抽出された物体表面に加えて、ガウスインフォームド連続体はシミュレーション中の物体マスクのレンダリングを可能にする。
  論文  参考訳（メタデータ） (2024-06-21T07:37:17Z)
• A Poisson-Gamma Dynamic Factor Model with Time-Varying Transition Dynamics [51.147876395589925]
  非定常PGDSは、基礎となる遷移行列が時間とともに進化できるように提案されている。 後続シミュレーションを行うために, 完全共役かつ効率的なギブスサンプリング装置を開発した。 実験により,提案した非定常PGDSは,関連するモデルと比較して予測性能が向上することを示した。
  論文  参考訳（メタデータ） (2024-02-26T04:39:01Z)
• Conditional Permutation Invariant Flows [23.740061786510417]
  トラクタブルログ密度を持つ集合値データの条件付き生成確率モデルを提案する。 これらのダイナミクスは、学習可能なセット単位の項とペアの相互作用によって駆動され、どちらもディープニューラルネットワークによってパラメータ化される。 本稿では,(1)視覚的に特定された地図情報に条件付けされた複雑な交通シーン生成,(2)画像に直接条件付けされたオブジェクト境界ボックス生成などのアプリケーションを通じて,このモデルの有用性を解説する。
  論文  参考訳（メタデータ） (2022-06-17T21:43:38Z)

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。