マルチスケール時系列ホエーホエイが人工ニューラルネットワークを効率的で頑 弾しい化する

人工ニューラルネットワークは、基準となるタスクで強力な性能 を達成します。しかし、これらのネットワークにとって不安定な一部の 彼らは、関連性や構造を壊すような影響を受けた信号に対して、より 非効率的または機能しないことがしばしばです.一方で、生物学的な神経系 は数十年で安定的な機能を維持し続けて、さまざまな時系列スケールの ホエホエイによってコントロールされています。それはこの原理に基づいて Multi-Scale Temporal Homeostasis (MSTH)と名付けられた、生体内 のシステムが人工ネットワークに組み込まれるように設計されたフレームワークを 提案しています。これは5ミリ秒（高速）、2秒（中速）、５分（中速）、一時間（遅）の カーネルを統合します。各尺度では、MSTHは生体的および機械学習方法に よってコアとなる時系列スケールを維持します。これらの時系列スケール間 のコラボレーションシステムの実装により、計算効率が向上します。また マイルストンは生体的なバイオミピシズムから離れた一貫性のある統合時間階 縮を提供します。実験では分子の分類、グラフの分類、画像の分類を 利用した多岐にわたり評価において、MSTHは常に精度を向上させるとともです。 また、クロススケールのコラボレーションは混乱から回復しやすくします。そして 最終的には、MSTHは単一尺度モデルと既存の最高レベルの技術との競争で優れており、多様な分野において一般化できますこれらのは 音は人工ニューラルシステムを安定させる際のクロススケールの時系列協 合についての新しい基準を示し、MSTHを開発することで、より強健で回復 性のある生物的なフィーインダクシブ知能と位置づけられています。

arXiv:2602.07009v1 Announce Type: cross Abstract: Artificial neural networks achieve strong performance on benchmark tasks but remain fundamentally brittle under perturbations, limiting their deployment in real-world settings. In contrast, biological nervous systems sustain reliable function across decades through homeostatic regulation coordinated across multiple temporal scales. Inspired by this principle, this presents Multi-Scale Temporal Homeostasis (MSTH), a biologically grounded framework that integrates ultra-fast (5-ms), fast (2-s), medium (5-min) and slow (1-hrs) regulation into artificial networks. MSTH implements the cross-scale coordination system for artificial neural networks, providing a unified temporal hierarchy that moves beyond superficial biomimicry. The cross-scale coordination enhances computational efficiency through evolutionary-refined optimization mechanisms. Experiments across molecular, graph and image classification benchmarks show that MSTH consistently improves accuracy, eliminates catastrophic failures and enhances recovery from perturbations. Moreover, MSTH outperforms both single-scale bio-inspired models and established state-of-the-art methods, demonstrating generality across diverse domains. These findings establish cross-scale temporal coordination as a core principle for stabilizing artificial neural systems, positioning MSTH as a foundation for building robust, resilient and biologically faithful intelligence.