論文の概要: MPCS: Neuroplastic Continual Learning via Multi-Component Plasticity and Topology-Aware EWC
- arxiv url: http://arxiv.org/abs/2605.02509v1
- Date: Mon, 04 May 2026 12:04:09 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-05 20:33:50.274644
- Title: MPCS: Neuroplastic Continual Learning via Multi-Component Plasticity and Topology-Aware EWC
- Title（参考訳）: MPCS:多成分塑性とトポロジーを考慮したEWCによる神経可塑性連続学習
- Authors: Joern Hentsch,
- Abstract要約: 我々は,11つの相補的機構を統合した神経可塑性アーキテクチャMPCSを紹介する。
我々は、回帰、分類、論理、混合ドメインにわたる31のタスクにまたがるベンチマークであるMEP-BENCH上でMPCSを評価する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Continual learning systems face a fundamental tension between plasticity -- acquiring new knowledge -- and stability -- retaining prior knowledge. We introduce MPCS (Multi-Plasticity Continual System), a neuroplastic architecture that integrates eleven complementary mechanisms: task-driven neurogenesis, Fourier-encoded inputs, EWC regularization, meta-replay, mixed consolidation, hybrid gating, synapse pruning/regeneration, Hebbian updates, task similarity routing, adaptive growth control, and continuous neuron importance tracking. We evaluate MPCS on MEP-BENCH, a multi-track benchmark spanning 31 tasks across regression, classification, logic, and mixed domains, using a three-dimensional Pareto criterion over task performance (Perf), representation diversity (RD), and gradient conflict rate (GCR). Across 15 ablation configurations (3 seeds x 4 tracks x 2000 epochs), MPCS achieves a Normalized Efficiency Score of 94.2, placing it on the Pareto frontier among 9 of 14 gate-passing systems. Key findings: (i) Fourier encoding is the single most critical component (removal drops Perf by 30.7 pp and fails the MEP gate on 14% of tasks); (ii) global EWC degrades performance (NES = -4.2); topology-local EWC reduces this penalty (NES 90.5->91.8) but does not eliminate it; removing EWC entirely yields MPCS_EFFICIENT, the highest-Perf system -- establishing a monotone relationship in the high task-similarity regime (s_bar ~= 0.95): global EWC < topology EWC < no EWC; (iii) the Pareto status assessment is predictive: removing the two Pareto-dominated components (EWC + Hebbian) jointly yields MPCS_EFFICIENT, which improves Perf by 0.6 pp at 4.7x lower compute cost (127 vs. 602 min), validating the Pareto frontier as an actionable model-compression guide.
- Abstract（参考訳）: 継続的な学習システムは、プラスティック性(新しい知識を得る)と安定性(以前の知識を保持する)の間に根本的な緊張に直面している。
タスク駆動神経新生,フーリエ符号化入力,EWC正規化,メタリプレイ,混成統合,ハイブリッドゲーティング,シナプスプルーニング/再生,ヘビアン更新,タスク類似性ルーティング,適応的成長制御,連続ニューロン重要追跡という,11つの相補的メカニズムを統合した神経可塑性アーキテクチャであるMPCS(Multi-Plasticity Continual System)を導入する。
回帰,分類,論理,混合領域にまたがる多トラックベンチマークであるMEP-BENCH上でMPCSを評価し,タスク性能(Perf),表現多様性(RD),勾配競合率(GCR)の3次元パレート基準を用いて検討した。
15個のアブレーション構成(3シード x 4 トラック x 2000 epochs)でMPCSは正規化効率スコア 94.2 を達成し、14のゲートパスシステムのうち9つのパレートフロンティアに配置する。
主な発見
(i)フーリエエンコーディングは、単一で最も重要なコンポーネントである(タスクの14%で、30.7ppのリムーバルドロップとMEPゲートをフェールさせる)。
(ii)グローバルEWCは性能を低下させる (NES = -4.2) トポロジローカルEWCは、このペナルティを減少させる (NES 90.5->91.8) が、それを排除しない。
3) 2つのPareto支配コンポーネント(EWC + Hebbian)を除去し、MPCS_EFFICIENTを併用することにより、Perfを4.7倍の低い計算コスト(127対602分)で改善し、パretoフロンティアを実行可能なモデル圧縮ガイドとして検証する。
関連論文リスト
- Differentiable latent structure discovery for interpretable forecasting in clinical time series [38.473526928012724]
連続時間多タスクガウス過程であるStructGPを導入し, 基本的不確かさを保ちながら, 相違構造学習と相違構造学習を組み合わせ, 相互依存の有向非巡回グラフ(DAG)を導出する。
LP-StructGPは,被験者特異的カップリングフィルタとソフトマックスゲーティング機構を用いて,患者間の進行パターンを捉えることで,StructGPを潜在経路に分割し,時間的に変化する軌跡を増大させる。
論文 参考訳（メタデータ） (2026-04-30T14:59:50Z) - Physics-Informed Causal MDPs for Sequential Constraint Repair in Engineering Simulation Pipelines [0.0]
本稿では,制約依存が層状DAGを形成するCMDPのためのフレームワークであるPI-CMDPを紹介する。
工学シミュレーションパイプラインにおける制約修復におけるPI-CMDPのインスタンス化を行う。
論文 参考訳（メタデータ） (2026-04-20T07:40:15Z) - Phase-Scheduled Multi-Agent Systems for Token-Efficient Coordination [0.0]
位相スケジュール多エージェントシステム(PSMAS)は、円多様体上にモデル化された共有注意空間の連続制御としてエージェント活性化を再認識するフレームワークである。
PSMASは平均トークンの減少率を27.3%(約21.4-34.8%)とし、完全に活性化されたベースラインの2.1ポイント以内のタスク性能を維持している。
論文 参考訳（メタデータ） (2026-04-19T12:03:54Z) - When Flat Minima Fail: Characterizing INT4 Quantization Collapse After FP32 Convergence [0.0]
後学習量子化は、よく収束したモデルが量子化対応モデルであると仮定する。
この仮定は構造化され、測定可能で、以前は達成できなかった方法で失敗することを示す。
論文 参考訳（メタデータ） (2026-04-16T15:46:36Z) - Auxiliary Finite-Difference Residual-Gradient Regularization for PINNs [0.0]
本研究では,PDE残差が保たれるハイブリッド設計について検討するが,有限差分は弱い補助項にのみ現れる。
FD項は、PDE残基自体を置き換えることなく残留体を正則化する。
種子0-5と100kのエポック全体で、最も信頼性の高い試験はクルコウタス・ベタ政権下での固定殻重量5e-4である。
論文 参考訳（メタデータ） (2026-04-15T23:09:19Z) - Generalizing GNNs with Tokenized Mixture of Experts [75.8310720413187]
安定性の向上には,変化に敏感な特徴への依存を低減し,既約最悪の一般化フロアを残す必要があることを示す。
本研究では,STEM-GNNを提案する。STEM-GNN,STEM-GNN,STEM-GNN,STEM-GNN,STEM-GNN,STEM-GNN,STEM-GNN,STEM-GNN,STEM-GNN。
9つのノード、リンク、グラフのベンチマークで、STEM-GNNはより強力な3方向バランスを実現し、クリアグラフ上での競争力を維持しながら、次数/ホモフィリーシフトや特徴/エッジの破損に対する堅牢性を改善している。
論文 参考訳（メタデータ） (2026-02-09T22:48:30Z) - ReLE: A Scalable System and Structured Benchmark for Diagnosing Capability Anisotropy in Chinese LLMs [37.23311145049677]
本稿では,機能異方性(Capability Anisotropy)を診断するためのスケーラブルなシステムであるReLEを提案する。
我々は,207,843サンプルからなる領域$times$ Capability SymbolicMatrixの304モデルを評価した。
論文 参考訳（メタデータ） (2026-01-24T09:57:59Z) - Towards a Science of Scaling Agent Systems [79.64446272302287]
エージェント評価の定義を定式化し,エージェント量,コーディネーション構造,モデル,タスク特性の相互作用として,スケーリング法則を特徴付ける。
協調指標を用いて予測モデルを導出し,R2=0をクロスバリデーションし,未知のタスク領域の予測を可能にする。
ツールコーディネーショントレードオフ: 固定的な計算予算の下では, ツールヘビータスクはマルチエージェントのオーバーヘッドから不均衡に悩まされ, 2) 能力飽和: 調整が減少または負のリターンを, 単一エージェントのベースラインが45%を超えると達成できる。
論文 参考訳（メタデータ） (2025-12-09T06:52:21Z) - Towards Channel Charting Enhancement with Non-Reconfigurable Intelligent Surfaces [8.162955286698688]
我々は、チャネルチャート(CC)を強化するために、完全受動電磁スキン(EMS)をどのように設計できるかを検討する。
我々は2つの補完的な最先端CC技術、半教師付きt分散隣接埋め込み(t-SNE)と半教師付きオートエンコーダ(AE)を採用している。
CCヒンジの精度は信号対雑音比(SNR)と空間差のバランスに左右されることを示す。
論文 参考訳（メタデータ） (2025-11-02T12:43:43Z) - Robust Residual Finite Scalar Quantization for Neural Compression [46.574899938569125]
有限スカラー量子化(FSQ)は、簡易なトレーニングを提供するが、多段階設定での残留等級劣化に悩まされる。
本稿では,2つの新しい条件付け手法を用いて,この基本的な制限に対処するロバスト残留有限スカラー量子化(RFSQ)を提案する。
RFSQの有効性と一般化性を示す。
論文 参考訳（メタデータ） (2025-08-20T15:18:59Z)
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。