Fugu-MT 論文翻訳(概要): Approximating velocity fields with planted attractors via Neural-ODEs for classification purposes

論文の概要: Approximating velocity fields with planted attractors via Neural-ODEs for classification purposes

arxiv url: http://arxiv.org/abs/2606.23550v1
Date: Mon, 22 Jun 2026 16:25:07 GMT
ステータス: 翻訳完了
システム内更新日: 2026-06-24 18:13:59.791744
Title: Approximating velocity fields with planted attractors via Neural-ODEs for classification purposes
Title（参考訳）: ニューラルネットワークによる植込み誘引器による速度場近似の分類への応用
Authors: Feliciano Giuseppe Pacifico, Duccio Fanelli, Lorenzo Buffoni, Lorenzo Chicchi, Diego Febbe, Raffaele Marino,
Abstract要約: 本研究では, 平衡点の定型化を施したニューラルODEを用いて, 分類作業に成功している。植付されたアトラクタは対象クラスの指標として機能し、アーキテクチャの普遍的な近似能力を利用した速度場は動的景観を形作る。
参考スコア（独自算出の注目度）: 1.9703625025720701
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In this work, Neural ODEs equipped with a curated collection of equilibrium points have been successfully employed for classification tasks.The planted attractors serve as indicators for the target classes, while the velocity field leveraging the universal approximation capabilities of the architecture shapes the dynamical landscape.This process defines the basins of attraction of the trained model, effectively directing each input provided as an initial condition toward its corresponding destination target.
Abstract（参考訳）: 本研究は, 平衡点の定式化を施したニューラルODEを用いて, 対象クラスの指標として機能し, アーキテクチャの普遍近似能力を利用した速度場は動的景観を形作るとともに, トレーニングモデルのアトラクションを規定し, 初期条件として提供される各入力を対応する目標に向かって効果的に指示する。

関連論文リスト

Rethinking Vector Field Learning for Generative Segmentation [50.08025820235397]
生成的セグメンテーションのためのモデリング拡散モデルが注目されている。ベクトル場学習の観点から拡散セグメンテーションを再考する。本稿では,学習した消滅速度場を距離認識補正項で拡張するベクトル場再構成手法を提案する。この補正は、誘引的相互作用と反発的相互作用の両方を導入し、元の拡散訓練フレームワークを保ちながら、セントロイド付近の勾配等級を増大させる。
論文参考訳（メタデータ） (2026-03-19T17:58:19Z)
Foundation Models for Trajectory Planning in Autonomous Driving: A Review of Progress and Open Challenges [53.47232506143113]
マルチモーダル・ファンデーション・モデルは自動運転技術に変化をもたらした。我々はこのような手法を統一分類学を通して総合的に検討する。ソースコードとデータセットのオープン性に関して,これらのアプローチを評価する。
論文参考訳（メタデータ） (2025-10-31T18:05:02Z)
Zero-Shot Object-Centric Representation Learning [72.43369950684057]
ゼロショット一般化のレンズによる現在の対象中心法について検討する。 8つの異なる合成および実世界のデータセットからなるベンチマークを導入する。多様な実世界の画像のトレーニングにより、見えないシナリオへの転送性が向上することがわかった。
論文参考訳（メタデータ） (2024-08-17T10:37:07Z)
Goal-conditioned Offline Planning from Curious Exploration [28.953718733443143]
本研究では,教師なし探索技術の産物から目標条件付き行動を抽出することの課題について考察する。従来の目標条件強化学習手法では,この困難なオフライン環境では,値関数とポリシの抽出が不十分であることがわかった。そこで本研究では,学習した値のランドスケープに対するモデルベース計画と,グラフベースの値アグリゲーション手法を組み合わせることを提案する。
論文参考訳（メタデータ） (2023-11-28T17:48:18Z)
Stable Attractors for Neural networks classification via Ordinary Differential Equations (SA-nODE) [0.9786690381850358]
プリオリは、予め割り当てられた固定安定なアトラクタのセットに対応するように構成されている。分類を行う固有の能力は、ターゲットの安定なアトラクションのそれぞれに関連するアトラクションの形状の盆地に反映される。この手法は最先端のディープラーニングアルゴリズムの性能には達しないが、解析的相互作用項を閉じた連続力学系が高性能な分類器として機能することを示す。
論文参考訳（メタデータ） (2023-11-17T08:30:41Z)
Discrete Factorial Representations as an Abstraction for Goal Conditioned Reinforcement Learning [99.38163119531745]
離散化ボトルネックを適用することにより,目標条件付きRLセットアップの性能が向上することを示す。分布外目標に対する期待した回帰を実験的に証明し、同時に表現的な構造で目標を指定できるようにします。
論文参考訳（メタデータ） (2022-11-01T03:31:43Z)
A self-training framework for glaucoma grading in OCT B-scans [6.382852973055393]
そこで本研究では,OCT B-Scansを用いた緑内障検診のための自己学習型フレームワークを提案する。 2段階の学習手法は、最初のステップで生成された擬似ラベルを利用して、ターゲットドメイン上のトレーニングデータセットを拡大する。提案する新しい緑内障特異的バックボーンは,遅延空間の埋め込み特性を改良するために,スキップ接続による残像と注意点のモジュールを導入している。
論文参考訳（メタデータ） (2021-11-23T10:33:55Z)
Hierarchical Object-to-Zone Graph for Object Navigation [43.558927774552295]
目に見えない環境では、対象のオブジェクトが自我中心のビューにない場合、エージェントは賢明な決定を下すことができないかもしれない。エージェントを粗大に誘導する階層的オブジェクト・ツー・ゾーングラフ(HOZ)を提案する。オンライン学習機構は、新しい環境におけるリアルタイム観測に応じてHOZを更新するためにも提案されている。
論文参考訳（メタデータ） (2021-09-05T13:02:17Z)
Modeling long-term interactions to enhance action recognition [81.09859029964323]
本稿では,フレームレベルと時間レベルの両方でオブジェクト間の相互作用のセマンティクスを利用する,エゴセントリックなビデオのアンダースタンドアクションに対する新しいアプローチを提案する。ユーザの手とほぼ対応するプライマリ領域と、相互作用するオブジェクトに対応する可能性のあるセカンダリ領域のセットを入力として、領域ベースのアプローチを使用する。提案手法は, 標準ベンチマークの動作認識において, 最先端技術よりも優れている。
論文参考訳（メタデータ） (2021-04-23T10:08:15Z)
Object Goal Navigation using Goal-Oriented Semantic Exploration [98.14078233526476]
本研究は,未確認環境における対象カテゴリーのインスタンスにナビゲートするオブジェクトゴールナビゲーションの問題を研究する。本稿では,表層的なセマンティックマップを構築し,効率的に環境を探索する「ゴール指向セマンティック探索」というモジュールシステムを提案する。
論文参考訳（メタデータ） (2020-07-01T17:52:32Z)

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。