論文の概要: Neurally-plausible radial basis kernels using distributed Fourier embeddings

• arxiv url: http://arxiv.org/abs/2605.08458v1
• Date: Fri, 08 May 2026 20:26:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-12 23:28:49.663442
• Title: Neurally-plausible radial basis kernels using distributed Fourier embeddings
• Title（参考訳）: 分散フーリエ埋め込みを用いたニューラルネットワークによるラジアルベースカーネル
• Authors: Jakeb Chouinard,
• Abstract要約: コヒーレントで連続的な空間表現は、物理的および知覚的な現象を単一の表現空間に合成するために重要である。 本研究では,空間意味ポインタのニューラルネットワークで実現可能な共通ラジアルベースカーネルを特徴付け,解析することを目的とする。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Coherent, continuous spatial representations are critical for synthesizing physical and perceptual phenomena into a single representational space. Radial basis kernels provide a path forward for this type of distributed representation. In this work, we aim to characterize and analyze common radial basis kernels realizable in the neurally-plausible framework of spatial semantic pointers. Further, we analyze previous radial basis kernel work based on grid cell-like representations and demonstrate that such representations are both capable of and optimal for realizing radial basis kernels.
• Abstract（参考訳）: コヒーレントで連続的な空間表現は、物理的および知覚的な現象を単一の表現空間に合成するために重要である。 ラジアルベースカーネルは、この種の分散表現の経路を提供する。 本研究では,空間意味ポインタのニューラルネットワークで実現可能な共通ラジアルベースカーネルを特徴付け,解析することを目的とする。 さらに、グリッドセルのような表現に基づいて、以前のラジアルベースカーネルの動作を分析し、そのような表現がラジアルベースカーネルの実現に適しており、最適であることを示す。

関連論文リスト

• Universal kernels via harmonic analysis on Riemannian symmetric spaces [3.7141182051230914]
  カーネルは、機械学習におけるカーネルメソッドの理論的基盤において、基本的な重要性である。 対称空間におけるカーネルの普遍性特性を調査するためのツールを確立する。 我々は、多様体値データを含む応用におけるそれらの使用に関する理論的正当性を提供する。
  論文  参考訳（メタデータ） (2025-06-24T02:03:25Z)
• Inferring Kernel $ε$-Machines: Discovering Structure in Complex Systems [49.1574468325115]
  本稿では,カーネル因果状態推定を縮小次元空間における座標の集合として符号化する因果拡散成分を提案する。 それぞれのコンポーネントがデータから予測機能を抽出し,そのアプリケーションを4つの例で示す。
  論文  参考訳（メタデータ） (2024-10-01T21:14:06Z)
• NeuRBF: A Neural Fields Representation with Adaptive Radial Basis Functions [93.02515761070201]
  本稿では,信号表現に一般放射状基底を用いる新しいタイプのニューラルネットワークを提案する。 提案手法は, 空間適応性が高く, ターゲット信号により密着可能な, フレキシブルなカーネル位置と形状を持つ一般ラジアルベース上に構築する。 ニューラルラジアンス場再構成に適用した場合,本手法はモデルサイズが小さく,訓練速度が同等である最先端のレンダリング品質を実現する。
  論文  参考訳（メタデータ） (2023-09-27T06:32:05Z)
• An Exact Kernel Equivalence for Finite Classification Models [1.4777718769290527]
  我々は、その正確な表現をよく知られたニューラルタンジェントカーネル(NTK)と比較し、NTKに対する近似誤差について議論する。 この正確なカーネルを使って、ニューラルネットワークによる予測について、理論的貢献が有益な洞察を提供することを示す。
  論文  参考訳（メタデータ） (2023-08-01T20:22:53Z)
• Approximation by non-symmetric networks for cross-domain learning [0.0]
  非対称カーネルを用いたカーネルネットワークの近似能力について検討する。 我々は、$r$が必ずしも整数ではないとき、ReLU$r$ネットワークにより、ソボレフクラスの関数の均一近似の精度の推定値を得る。
  論文  参考訳（メタデータ） (2023-05-06T01:33:26Z)
• Machine Learning S-Wave Scattering Phase Shifts Bypassing the Radial Schr\"odinger Equation [77.34726150561087]
  本稿では, 畳み込みニューラルネットワークを用いて, 正確な散乱s波位相シフトを得られる機械学習モデルの実証を行う。 我々は、ハミルトニアンが物理的に動機づけられた記述子の構築において、いかにして指導原理として機能するかについて議論する。
  論文  参考訳（メタデータ） (2021-06-25T17:25:38Z)
• Pure Exploration in Kernel and Neural Bandits [90.23165420559664]
  我々は、特徴表現の次元が腕の数よりもはるかに大きい帯域における純粋な探索について研究する。 そこで本研究では,各アームの特徴表現を低次元空間に適応的に埋め込む手法を提案する。
  論文  参考訳（メタデータ） (2021-06-22T19:51:59Z)
• Flow-based Kernel Prior with Application to Blind Super-Resolution [143.21527713002354]
  カーネル推定は一般にブラインド画像超解像(SR)の鍵となる問題の一つである 本稿では,カーネルモデリングのための正規化フローベースカーネルプリレント(fkp)を提案する。 合成および実世界の画像の実験により、提案したFKPがカーネル推定精度を大幅に向上することを示した。
  論文  参考訳（メタデータ） (2021-03-29T22:37:06Z)
• Neural Splines: Fitting 3D Surfaces with Infinitely-Wide Neural Networks [61.07202852469595]
  本稿では,無限幅浅部ReLUネットワークから生じるランダムな特徴カーネルをベースとした3次元表面再構成手法であるNeural Splinesを提案する。 提案手法は,最近のニューラルネットワーク技術より優れ,ポアソン表面再構成に広く用いられている。
  論文  参考訳（メタデータ） (2020-06-24T14:54:59Z)

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。