論文の概要: Classifying Directional Trajectories Near Criticality in the Three-State Majority-Vote Model with Deep Belief Networks and Bidirectional GRUs
- arxiv url: http://arxiv.org/abs/2608.18235v1
- Date: Tue, 18 Aug 2026 18:21:46 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-20 20:13:55.182658
- Title: Classifying Directional Trajectories Near Criticality in the Three-State Majority-Vote Model with Deep Belief Networks and Bidirectional GRUs
- Title（参考訳）: ディープ・ブリーフ・ネットワークと双方向GRUを用いた3状態大域モデルにおける臨界近傍の方向軌道の分類
- Abstract要約: 我々は,3状態多数決モデル(MV3)において,Deep Belief Network (DBN) と Bidirectional Gated Recurrent Unit (Bi-GRU) が学習した潜在表現が,動的に異なる4つのトラジェクトリタイプに識別できるかどうかを検討する。
長さ$T = 50$のDBN符号化スナップショットのシーケンスに基づいてトレーニングされた2層Bi-GRUは、その隠れ状態空間における4つのトラジェクトリタイプのほぼ完全な分離を実現する。
これらの結果は、エージェントベースの意見力学モデルにおける臨界遷移を検出し分類するための原則的階層的アーキテクチャを確立する。
- 参考スコア（独自算出の注目度）: 1.2891210250935148
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this work, we investigate whether the latent representations learned by a Deep Belief Network (DBN) and a Bidirectional Gated Recurrent Unit (Bi-GRU) can discriminate among four dynamically distinct trajectory types in the three-state majority vote model (MV3): approach from disorder, approach from order, departure to disorder, and departure to order. The DBN, pre-trained in an unsupervised manner on static equilibrium samples via a Gaussian-Bernoulli Restricted Boltzmann Machine input layer and architecture $784 \to 4096 \to 225 \to 81$, encodes each lattice snapshot into an 81-dimensional latent vector. A t-SNE analysis of the DBN latent space reveals only partial separation of the four trajectory types, reflecting the fact that a model trained on static configurations cannot fully resolve directional temporal structure. A two-layer Bi-GRU classifier, trained on sequences of DBN-encoded snapshots of length $T = 50$, achieves near-perfect separation of all four trajectory types in its hidden state space, as confirmed by t-SNE visualization on both training and test sets. Furthermore, a sliding-window application of the trained Bi-GRU to continuous MV3 dynamics demonstrates its ability to sense the system's current dynamical regime in real-time. These results establish a principled hierarchical architecture for detecting and classifying critical transitions in agent-based opinion dynamics models.
- Abstract（参考訳）: 本研究では,三状態多数決モデル (MV3) において,二方向性Gated Recurrent Unit (Bi-GRU) とDeep Belief Network (DBN) が学習した潜在表現を,動的に異なる4つの軌道タイプに分類できるかどうかを検討する。
DBNは、ガウス・ベルヌーリ制限ボルツマン機械入力層とアーキテクチャ784 \to 4096 \to 225 \to 81$を介して静的平衡サンプルの教師なしの方法で事前訓練され、各格子スナップショットを81次元潜在ベクトルにエンコードする。
DBNラテント空間の t-SNE 解析は、静的な構成で訓練されたモデルが方向性の時間構造を完全に解けないという事実を反映して、4つの軌道型の部分的な分離しか示さない。
長さ$T = 50$のDBN符号化スナップショットのシーケンスに基づいてトレーニングされた2層Bi-GRU分類器は、トレーニングセットとテストセットの両方でt-SNE視覚化によって確認されたように、その隠れ状態空間における4つのトラジェクトリタイプのほぼ完全な分離を実現する。
さらに、訓練されたBi-GRUの連続MV3ダイナミクスへのスライドウインドウの適用により、システムの現在の動的状態をリアルタイムに検知する能力が示される。
これらの結果は、エージェントベースの意見力学モデルにおける臨界遷移を検出し分類するための原則的階層的アーキテクチャを確立する。
関連論文リスト
- Tracking Representation Dynamics in Large Language Models with Persistent Homology [5.665477411284105]
永続的ホモロジーを用いたアライメントダイナミクスの研究を行う。
トポロジカルリオーガナイゼーションの大部分は,トレーニングの初期段階に発生することが判明した。
異なるアライメントの目的は、区別可能なトポロジカルな軌跡を誘導し、命令調整および事前訓練されたモデルは、質的に異なる進化パターンを示す。
論文 参考訳（メタデータ） (2026-06-17T19:35:10Z) - SpatialClaw: Rethinking Action Interface for Agentic Spatial Reasoning [99.49739831030388]
このインタフェースの設計は,オープンエンド空間推論のためのエージェントのキャパシティをいかに形作るかを検討する。
本研究では,アクションインタフェースとしてコードを採用する空間推論のためのトレーニングフリーフレームワークであるSpatialClawを提案する。
論文 参考訳（メタデータ） (2026-06-11T17:59:36Z) - Hierarchical Consistency Learning for Test-time Adaptation in Camouflage Perception [50.278200968044665]
カモフラージュされた物体検出(COD)は、物理的属性を通して背景から最小限の知覚差を示すターゲットをローカライズすることを目的としている。
既存のメソッドは、静的なTrain-then-freezeパラダイムによって制約されており、ドメインの剛性と依存性のアノテーションに悩まされている。
動的表現再構成のためのテスト時間適応を統合した階層的一貫性学習フレームワークを提案する。
論文 参考訳（メタデータ） (2026-05-25T09:57:46Z) - SphereVAD: Training-Free Video Anomaly Detection via Geodesic Inference on the Unit Hypersphere [90.85001795656633]
ビデオ異常検出(VAD)は、トリミングされていない監視ビデオの通常のパターンから逸脱するイベントを自動的に識別することを目的としている。
SphereVADはトレーニング不要でゼロショットのVADフレームワークで、単位超球面上の準比測地線推定をvon Mises-Fisher (vMF) と再放送する。
論文 参考訳（メタデータ） (2026-05-08T16:57:38Z) - COVTrack++: Learning Open-Vocabulary Multi-Object Tracking from Continuous Videos via a Synergistic Paradigm [59.26203051651017]
C-TAOはOpen-Vocabulary Multi-Object Tracking (OVMOT)のための最初の連続アノテーション付きトレーニングセットである
フレームワークボトルネックに対するCOVTrack++は,3つのモジュールによる検出とアソシエーションの双方向相互機構を実現するための相乗的フレームワークである。
TAOの実験では、新しいTAAは検証とテストセットで35.4%、30.5%に達し、新しいAssocAは4.8%、新しいLocAは5.8%向上した。
論文 参考訳（メタデータ） (2026-03-25T07:20:27Z) - SpatialFly: Geometry-Guided Representation Alignment for UAV Vision-and-Language Navigation in Urban Environments [49.966170814478915]
UAV VLNのための幾何学誘導空間表現フレームワークを提案する。
明示的な3次元再構成を伴わないRGB観測において、SpatialFlyは幾何学誘導2次元表示アライメント機構を導入する。
実験結果から、SpatialFlyは現状のUAV VLNベースラインを目に見える環境と見えない環境の両方で一貫して上回っていることが明らかとなった。
論文 参考訳（メタデータ） (2026-03-22T03:56:58Z) - Geometric Priors for Generalizable World Models via Vector Symbolic Architecture [9.216794073296679]
人工知能の鍵となる課題は、ニューラルネットワークが世界の基盤となるダイナミクスを捉える表現を学ぶ方法を理解することである。
本稿では,ベクトル記号アーキテクチャ(VSA)の原理に基づく一般化可能な世界モデルを用いて,これらの問題を解決する。
潜在群構造を持つためのトレーニングは、一般化可能、データ効率、解釈可能な世界モデルをもたらすかを示す。
論文 参考訳（メタデータ） (2026-02-25T00:41:42Z) - Continuous-Depth Transformers with Learned Control Dynamics [0.0]
本稿では,離散的な中間層を連続的なニューラル正規微分方程式ブロックに置き換えるハイブリッドトランスフォーマーアーキテクチャを提案する。
提案手法は,学習ベクトル場$F_(H, u)$で制御される連続変数として深度を扱い,$u$は明示的な連結によって注入される低次元制御信号であることを示す。
この結果から,学習した制御信号を用いた連続深度ダイナミクスが,ステアブル言語生成に有効かつ効率的なメカニズムを提供することが示された。
論文 参考訳（メタデータ） (2026-01-15T02:35:37Z) - How Many Heads Make an SSM? A Unified Framework for Attention and State Space Models [2.1693096503777003]
我々は、入力依存の効果的な相互作用演算子$W_ij(X)$を介して、幅広いシーケンスマップのクラスを表す統一されたフレームワークを導入する。
我々は、多頭部分解クラスにおいて、ラグ作用素が長さ-n$要求上の$k$次元部分空間にまたがる線形SSMを表現し、$H=k$ヘッドで達成可能であることを示す同値 (Head-Count) 定理を証明した。
論文 参考訳（メタデータ） (2025-12-17T06:15:24Z) - Intensity Profile Projection: A Framework for Continuous-Time
Representation Learning for Dynamic Networks [50.2033914945157]
本稿では、連続時間動的ネットワークデータのための表現学習フレームワークIntensity Profile Projectionを提案する。
このフレームワークは3つの段階から構成される: 対の強度関数を推定し、強度再構成誤差の概念を最小化する射影を学習する。
さらに、推定軌跡の誤差を厳密に制御する推定理論を開発し、その表現がノイズに敏感な追従解析に利用できることを示す。
論文 参考訳（メタデータ） (2023-06-09T15:38:25Z)
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。