본문으로 건너뛰기

© 2026 Molayo

arXiv논문2026. 04. 29. 16:31

엔트로피 정규화된 복제자 방정식에 따른 별아교 게이트 연상 기억 동역학에서 나타나는 자기 주의

요약

본 논문은 엔트로피 정규화된 복제자 방정식에 따라 진화하며 별아교 이득으로 곱셈적으로 조절되는 홉필드형 연상 기억 모델을 제안합니다. 이 뉴런-별아교 동역학 시스템은 리야푸노프 함수를 통해 전역 수렴이 보장되며, 고정점에서 소프트맥스 정규화를 사용하여 자기 주의(self-attention) 메커니즘을 기계적으로 구현합니다. 이 모델은 높은 기억 부하와 간섭 환경에서 기존의 홉필드 동역학 및 뉴런-별아교 기준선보다 검색 정확도가 우수함을 보여주며, 신경교 조절과 주의 계산을 통합하는 새로운 프레임워크를 제시합니다.

핵심 포인트

  • 엔트로피 정규화된 복제자 방정식을 사용하여 별아교 이득이 진화하는 홉필드 연상 기억 모델을 구축했습니다.
  • 뉴런-별아교 동역학은 리야푸노프 함수를 가지며, 이는 시스템의 전역 수렴성을 보장합니다.
  • 소프트맥스 정규화를 통해 자기 주의 메커니즘을 기계적으로 구현하여 패턴 유사도 점수에 따라 별아교 이득이 할당됩니다.
  • 본 모델은 높은 기억 부하와 간섭 환경에서 기존 방법론 대비 검색 정확도를 현저히 향상시킵니다.
  • 신경교 조절, 경쟁 자원 할당 및 주의 계산을 통합하는 동적 시스템 프레임워크를 제공합니다.

우리는 엔트로피 정규화 (entropy-regularized) 복제자 방정식 (replicator equation) 에 따라 진화하는 별아교 (astrocytic) 이득에 의해 곱셈적으로 조절되는 유효 연결성을 갖는 홉필드형 연상 기억을 소개합니다. 결합된 뉴런-별아교 동역학은 리야푸노프 함수를 가지며, 이는 전역 수렴을 보장합니다. 고정점에서 별아교 이득은 패턴 유사도 점수에 대해 소프트맥스 정규화 (softmax-normalized) 할당을 구현하여, 단순형 (simplex) 상의 이득에 대한 나타나는 라우팅으로 자기 주의의 기계적 실현을 제공합니다. 높은 기억 부하와 간섭이 있는 영역에서, 이 모델은 고전적인 홉필드 동역학과 최근 뉴런-별아교 기준선에 비해 검색 정확도를 현저히 향상시킵니다. 이러한 결과는 신경교 조절, 경쟁 자원 할당 및 주의 유사 계산을 연결하는 동적 시스템 프레임워크를 확립합니다.

AI 자동 생성 콘텐츠

본 콘텐츠는 arXiv cs.LG의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.

원문 바로가기
3

댓글

0