Fugu-MT 論文翻訳(概要): Learning advanced mathematical computations from examples

論文の概要: Learning advanced mathematical computations from examples

arxiv url: http://arxiv.org/abs/2006.06462v2
Date: Fri, 19 Mar 2021 07:02:10 GMT
ステータス: 処理完了
システム内更新日: 2022-11-22 09:34:26.279291
Title: Learning advanced mathematical computations from examples
Title（参考訳）: 例から高度な数理計算を学ぶ
Authors: Fran\c{c}ois Charton, Amaury Hayat, Guillaume Lample
Abstract要約: 我々は、局所安定性、無限遠での挙動、可制御性などの微分システムの数学的性質を学ぶためにモデルを訓練する。我々は,定性的特性のほぼ完全な予測と,システムの数値的特徴の良好な近似を実現する。
参考スコア（独自算出の注目度）: 17.374128615697842
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Using transformers over large generated datasets, we train models to learn mathematical properties of differential systems, such as local stability, behavior at infinity and controllability. We achieve near perfect prediction of qualitative characteristics, and good approximations of numerical features of the system. This demonstrates that neural networks can learn to perform complex computations, grounded in advanced theory, from examples, without built-in mathematical knowledge.
Abstract（参考訳）: 大規模データセット上でトランスフォーマを使用して,局所安定性や無限遠の挙動,制御可能性といった微分システムの数学的性質を学習するモデルをトレーニングする。我々は,定性的特性のほぼ完全な予測と,システムの数値的特徴の近似を行う。これは、ニューラルネットワークが数学的知識を組み込むことなく、高度な理論に基づく複雑な計算を学習できることを実証する。

関連論文リスト

Learning Linear Attention in Polynomial Time [115.68795790532289]
線形注意を持つ単層変圧器の学習性に関する最初の結果を提供する。線形アテンションは RKHS で適切に定義された線形予測器とみなすことができる。我々は,すべての経験的リスクが線形変換器と同等のトレーニングデータセットを効率的に識別する方法を示す。
論文参考訳（メタデータ） (2024-10-14T02:41:01Z)
Constrained Neural Networks for Interpretable Heuristic Creation to Optimise Computer Algebra Systems [2.8402080392117757]
本稿では,記号計算研究における機械学習技術を活用した新しい手法を提案する。筒状分解におけるよく知られた人間設計変数の順序付けが、ニューラルネットワークの制約としてどのように表現されるかを説明する。これにより、マシンラーニングメソッドを使用してさらなる最適化が可能になり、もともとの人間設計のものと同じようなサイズの新しいネットワークが生まれる。
論文参考訳（メタデータ） (2024-04-26T16:20:04Z)
Persistence-based operators in machine learning [62.997667081978825]
永続性に基づくニューラルネットワークレイヤのクラスを導入します。永続化ベースのレイヤにより、ユーザは、データによって尊重される対称性に関する知識を容易に注入でき、学習可能なウェイトを備え、最先端のニューラルネットワークアーキテクチャで構成できる。
論文参考訳（メタデータ） (2022-12-28T18:03:41Z)
Advancing Reacting Flow Simulations with Data-Driven Models [50.9598607067535]
マルチ物理問題における機械学習ツールの効果的な利用の鍵は、それらを物理モデルとコンピュータモデルに結合することである。本章では, 燃焼システムにおけるデータ駆動型低次モデリングの適用可能性について概説する。
論文参考訳（メタデータ） (2022-09-05T16:48:34Z)
A Theoretical Analysis on Feature Learning in Neural Networks: Emergence from Inputs and Advantage over Fixed Features [18.321479102352875]
ニューラルネットワークの重要な特徴は、予測に有効な特徴を持つ入力データの表現を学ぶ能力である。実践的なデータによって動機づけられた学習問題を考察し、そこでは、ラベルが一連のクラス関連パターンによって決定され、それらから入力が生成される。勾配降下によって訓練されたニューラルネットワークがこれらの問題に成功できることを実証する。
論文参考訳（メタデータ） (2022-06-03T17:49:38Z)
Data-driven emergence of convolutional structure in neural networks [83.4920717252233]
識別タスクを解くニューラルネットワークが、入力から直接畳み込み構造を学習できることを示す。データモデルを慎重に設計することにより、このパターンの出現は、入力の非ガウス的、高次局所構造によって引き起こされることを示す。
論文参考訳（メタデータ） (2022-02-01T17:11:13Z)
Estimating informativeness of samples with Smooth Unique Information [108.25192785062367]
サンプルが最終的な重みを知らせる量と、重みによって計算される関数を知らせる量を測定します。線形化ネットワークを用いてこれらの量の効率的な近似を行う。本稿では,データセットの要約など,いくつかの問題に適用する。
論文参考訳（メタデータ） (2021-01-17T10:29:29Z)
Model-Based Deep Learning [155.063817656602]
信号処理、通信、制御は伝統的に古典的な統計モデリング技術に依存している。ディープニューラルネットワーク(DNN)は、データから操作を学ぶ汎用アーキテクチャを使用し、優れたパフォーマンスを示す。私たちは、原理数学モデルとデータ駆動システムを組み合わせて両方のアプローチの利点を享受するハイブリッド技術に興味があります。
論文参考訳（メタデータ） (2020-12-15T16:29:49Z)
Neural Network Approximations of Compositional Functions With Applications to Dynamical Systems [3.660098145214465]
我々は,合成関数とそのニューラルネットワーク近似の近似理論を開発した。構成関数の重要な特徴の集合と,ニューラルネットワークの特徴と複雑性の関係を同定する。関数近似に加えて、ニューラルネットワークの誤差上限の式もいくつか証明する。
論文参考訳（メタデータ） (2020-12-03T04:40:25Z)
Learning ODE Models with Qualitative Structure Using Gaussian Processes [0.6882042556551611]
多くのコンテキストにおいて、明示的なデータ収集は高価であり、学習アルゴリズムはデータ効率が良くなければならない。スパースガウス過程を用いて微分方程式のベクトル場を学習する手法を提案する。この組み合わせにより,外挿性能と長期的挙動が大幅に向上し,計算コストの低減が図られる。
論文参考訳（メタデータ） (2020-11-10T19:34:07Z)
Learning Queuing Networks by Recurrent Neural Networks [0.0]
データから性能モデルを導出する機械学習手法を提案する。我々は、通常の微分方程式のコンパクトな系の観点から、それらの平均力学の決定論的近似を利用する。これにより、ニューラルネットワークの解釈可能な構造が可能になり、システム測定からトレーニングしてホワイトボックスパラメータ化モデルを生成することができる。
論文参考訳（メタデータ） (2020-02-25T10:56:47Z)

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。