文献
J-GLOBAL ID:202202231989065740   整理番号:22A0965485

時系列のダイナミックスベースセグメンテーションのための神経回路【JST・京大機械翻訳】

Neural Circuits for Dynamics-Based Segmentation of Time Series
著者 (7件):
資料名:
巻: 34  号:ページ: 891-938  発行年: 2022年 
JST資料番号: W0257A  ISSN: 0899-7667  資料種別: 逐次刊行物 (A)
記事区分: 原著論文  発行国: アメリカ合衆国 (USA)  言語: 英語 (EN)
抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
脳は感覚器官により流れた信号から行動的に適切な潜在変数を抽出する必要がある。このような潜在変数はしばしば波形の特定の実現よりも信号を生成する動力学に符号化される。したがって,脳によって直面する1つの問題は,根底にある動力学に基づく時系列を分割することである。生物学的にもっともらしいこのセグメンテーションタスクを実行するための2つのアルゴリズムを提示し,それはストリーミング設定における作用として定義し,すべての学習ルールは局所的である。1つのアルゴリズムはモデルベースであり,自己回帰プロセスの混合物を含む最適化問題から導出できる。このアルゴリズムは予測誤差の形式におけるフィードバックに依存し,将来のサンプルの予測にも使用できる。網膜のようないくつかの脳領域において,学習のための予測誤差の使用に必要なフィードバック接続は存在しなかった。この事例に対して,セグメンテーションを実行するための信号の自己相関構造の走行推定を用いる2番目のモデルフリーアルゴリズムを提案した。両アルゴリズムは,区分的定数パラメータを持つ自己回帰モデルから引き出されるセグメンテーション信号でタスクを行うとき,良好に機能することを示した。特に,セグメンテーション精度は,自己回帰モデルのグランドトルースパラメータが知られているオラクルのような方法から得られたものと類似している。また,音声記録の交互スニペットによって生成されたデータセットに関する著者らの方法をテストした。https://github.com/ttesileanu/bio-time-seriesでの著者らのアルゴリズムの実装を提供した。Copyright 2022 Massachusetts Institute of Technology Translated from English into Japanese by JST.【JST・京大機械翻訳】
シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。

準シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
, 【Automatic Indexing@JST】
分類 (2件):
分類
JSTが定めた文献の分類名称とコードです
人工知能  ,  システム・制御理論一般 
タイトルに関連する用語 (2件):
タイトルに関連する用語
J-GLOBALで独自に切り出した文献タイトルの用語をもとにしたキーワードです

前のページに戻る