論文の概要: Coupled-NeuralHP: Directional Temporal Coupling Between AI Innovation Exposure and Public Response

• arxiv url: http://arxiv.org/abs/2605.04194v1
• Date: Tue, 05 May 2026 18:36:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-07 18:41:07.486119
• Title: Coupled-NeuralHP: Directional Temporal Coupling Between AI Innovation Exposure and Public Response
• Title（参考訳）: Coupled-NeuralHP: AIイノベーションの露光と公衆の反応の直接的な時間的結合
• Authors: Amir Rafe, Subasish Das,
• Abstract要約: Coupled-NeuralHPは、8ドメインのUSPTO AIパテントパブリッシュストリームと、トレインのみのGoogle Trendsレスポンスインデックスをリンクするハイブリッドなイベントプラスステートモデルである。 クリーニングされたレスポンスプロトコルの下では、バリデーション選択された一方通行のリアルタイムデータバリアントが、最高の持続的イノベーションカウント予測を提供する。 既知の構造を持つ60以上の半合成複製により、より広い結合ファミリーは、ベクトル自己回帰よりもはるかに優れた革新と応答のリンクを回復する。
• 参考スコア（独自算出の注目度）: 1.089614199781423
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Artificial intelligence innovation exposure and public response co-evolve, but innovation arrives as irregular event streams while response is observed monthly. We introduce Coupled-NeuralHP, a hybrid event-plus-state model linking eight-domain USPTO AI patent publication streams to a train-only Google Trends response index. Under the cleaned response protocol, the validation-selected one-way real-data variant gives the best held-out innovation count forecasts in the registered comparison set (pseudo-log-likelihood -30.4 vs. -34.7; root mean squared error (RMSE) 471 vs. 532) while matching the stronger multi-lag factor-family baseline on response RMSE (0.295). Ablations show that the real-data response signal is carried mainly by the structured forecast head, whereas the reverse response-to-innovation block is not supported on held-out count prediction. Across 60 semi-synthetic replications with known structure, the broader coupled family recovers innovation-to-response links much better than vector autoregression with exogenous inputs (VARX) (F1 = 0.734 vs. 0.386). A placebo-controlled 2022 split-date analysis finds no robust milestone-specific regime break.
• Abstract（参考訳）: 人工知能のイノベーションの露出と公共の反応は共進化するが、イノベーションは不規則なイベントストリームとして現れ、応答は毎月観察される。 Coupled-NeuralHPは、8ドメインのUSPTO AIパテントパブリッシュストリームと、トレインのみのGoogle Trendsレスポンスインデックスをリンクするハイブリッドなイベントプラスステートモデルである。 クリーニングされた応答プロトコルの下では、バリデーション選択された片道実データ変種は、登録された比較セット(pseudo-log-likelihood -30.4 vs.-34.7; root mean squared error (RMSE) 471 vs. 532)において、応答RMSE (0.295) 上のより強いマルチラグ係数-ファミリーベースラインに適合しながら、最高の保持されるイノベーション数予測を与える。 アブレーションにより、実データ応答信号は、主に構造化予測ヘッドによって搬送され、一方、逆応答から革新までのブロックは、ホールドアウトカウント予測ではサポートされないことが示された。 既知の構造を持つ60個の半合成複製のうち、より広い結合族は、外因性入力(VARX)によるベクトル自己回帰(F1 = 0.734 vs. 0.386)よりもはるかに優れた革新と応答のリンクを回復する。 プラセボが制御する2022年のスプリット・デイト分析では、ロバストなマイルストーン固有の構造破壊は見つからない。

関連論文リスト

• Self-Aware Vector Embeddings for Retrieval-Augmented Generation: A Neuroscience-Inspired Framework for Temporal, Confidence-Weighted, and Relational Knowledge [0.0]
  現代の検索拡張生成(RAG)システムは、ベクトル埋め込みを静的で文脈に依存しないアーティファクトとして扱う。 このフレームワークは,3つの明示的な特性 – 時間的認識,信頼の低下,関係的認識 – で密着な埋め込みを強化するものだ。
  論文  参考訳（メタデータ） (2026-04-22T14:13:50Z)
• Recursive Think-Answer Process for LLMs and VLMs [54.52289112197118]
  R-TAP(Recursive Think-Answer Process)を提案する。 R-TAPにより、モデルは反復的推論サイクルに参加し、より正確な答えを生成することができる。 R-TAP強化モデルが従来のシングルパス法より一貫して優れていることを示す。
  論文  参考訳（メタデータ） (2026-03-02T17:20:10Z)
• The Mirror Loop: Recursive Non-Convergence in Generative Reasoning Systems [0.0]
  外部からのフィードバックのない再帰的な自己評価は、進歩よりもむしろ改革をもたらすことが多い。 3つのモデル(OpenAI GPT-4o-mini, Anthropic Claude 3 Haiku, Google Gemini 2.0 Flash)と4つのタスクファミリー(パラメータ、コード、説明、リフレクション)にまたがる144の推論シーケンスについて検討する。 我々はこれを、生成的推論における自己補正の構造的限界の証拠として解釈する。
  論文  参考訳（メタデータ） (2025-10-23T07:53:26Z)
• Corn Yield Prediction Model with Deep Neural Networks for Smallholder Farmer Decision Support System [0.0]
  作物の収量予測は、気象変数と土壌変数の相互作用がないという仮定に基づいてモデル化されている。 本稿では、相互作用の存在を論じ、Kendall相関係数を用いて微細にモデル化することができる。 提案したトウモロコシ収量モデルの目的は、小作農が賢く知的に養殖できるようにすることである。
  論文  参考訳（メタデータ） (2024-01-08T09:47:19Z)
• Less is More: Mitigate Spurious Correlations for Open-Domain Dialogue Response Generation Models by Causal Discovery [52.95935278819512]
  本研究で得られたCGDIALOGコーパスに基づくオープンドメイン応答生成モデルのスプリアス相関に関する最初の研究を行った。 因果探索アルゴリズムに着想を得て,反応生成モデルの学習と推論のための新しいモデル非依存手法を提案する。
  論文  参考訳（メタデータ） (2023-03-02T06:33:48Z)
• Hybrid Predictive Coding: Inferring, Fast and Slow [62.997667081978825]
  本稿では,反復型と償却型の両方を原則的に組み合わせたハイブリッド予測符号化ネットワークを提案する。 我々は,本モデルが本質的に不確実性に敏感であり,最小計算費用を用いて正確な信念を得るためにバランスを適応的にバランスさせることを実証した。
  論文  参考訳（メタデータ） (2022-04-05T12:52:45Z)
• Listen Attentively, and Spell Once: Whole Sentence Generation via a Non-Autoregressive Architecture for Low-Latency Speech Recognition [66.47000813920619]
  我々はLASOと呼ばれる非自己回帰型エンドツーエンド音声認識システムを提案する。 非自己回帰性のため、LASOは他のトークンに依存することなくシーケンス内のテキストトークンを予測する。 我々は,中国における公開データセットAISHELL-1の実験を行った。
  論文  参考訳（メタデータ） (2020-05-11T04:45:02Z)

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。