ニューラルネットワーク

登入

洞見 - ニューラルネットワーク

本稿では、無限次元関数空間における信号生成と逆問題への応用を目的とした、ウェーブレットベースの新しい連続生成ニューラルネットワーク(CGNN)アーキテクチャを提案し、その数学的枠組み、特に単射性と安定性について詳細に論じている。

本稿では、大規模音声認識モデルWav2Vec2を、低リソース環境でも動作可能な72Kパラメータの軽量モデルWav2Smallへと蒸留する手法を提案し、高精度な音声感情認識を実現しています。

本稿では、木構造、系列、マッチングといった離散的で構成的な構造を持つデータを表現する上で有効な、ニューラルネットワークにおける離散潜在構造学習について、その戦略と課題、そして今後の展望を包括的に解説する。

本稿では、限られたデータセットと計算リソースを用いた話者識別のための、軽量な1次元畳み込みニューラルネットワーク(1D-CNN)ベースの効率的な手法を提案する。

Delta-NASと呼ばれる新しいニューラルアーキテクチャ検索（NAS）アルゴリズムは、類似したネットワーク間の精度の差を予測することで、計算コストを削減しながらも高性能なアーキテクチャを発見します。

本稿では、フィードフォワードユニタリー等変ニューラルネットワークにおける活性化関数を、ユニタリー等変性を維持しながらより広範な関数を表現できる単一の汎用的な形式に一般化する。

本稿では、生物の脳の働きを模倣したスパイキングニューラルネットワーク（SNN）を用いて、ロボット工学におけるマルチモーダル知覚、特に視覚と聴覚の統合処理を実現するための、生物学的に妥当な新しいアプローチを提案しています。

深層ニューラルネットワーク（DNN）は構造ガラスと多くの類似点を共有しているものの、ガラス転移やケージ効果、ストークス・アインシュタイン関係の破れといった典型的なガラス的挙動は示さない。ただし、重みのオーバーラップ関数は時間に対してべき乗則に従い、構造ガラスのモード結合理論と一致する。

スパイクニューラルネットワーク（SNN）の枝刈りにおいて、脳の臨界状態仮説に着想を得た新しい手法を提案し、特徴抽出能力を向上させながら、効率的な枝刈りを実現する。

深層学習モデルは、たとえ経験的リスクを最小化し、高い精度を達成したとしても、入力データへの微小な摂動に対して非常に不安定になる可能性があり、これは高次元データに内在する問題である。

關於我們

產品

資源