Fugu-MT 論文翻訳(概要): Restricted Boltzmann Machine Flows and The Critical Temperature of Ising models

論文の概要: Restricted Boltzmann Machine Flows and The Critical Temperature of Ising models

arxiv url: http://arxiv.org/abs/2006.10176v2
Date: Tue, 29 Mar 2022 19:56:50 GMT
ステータス: 処理完了
システム内更新日: 2022-11-19 21:31:24.546530
Title: Restricted Boltzmann Machine Flows and The Critical Temperature of Ising models
Title（参考訳）: 制限ボルツマン機械流れとイジングモデルの臨界温度
Authors: Rodrigo Veiga, Renato Vicente
Abstract要約: Boltzmann Machines (RBM) からの反復サンプリング(フロー)のための代替実験装置について検討する。このフレームワークは、RBMベースのディープニューラルネットワークとRenormalization Group(RG)の間の接続を探索するために導入された。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We explore alternative experimental setups for the iterative sampling (flow) from Restricted Boltzmann Machines (RBM) mapped on the temperature space of square lattice Ising models by a neural network thermometer. This framework has been introduced to explore connections between RBM-based deep neural networks and the Renormalization Group (RG). It has been found that, under certain conditions, the flow of an RBM trained with Ising spin configurations approaches in the temperature space a value around the critical one: $ k_B T_c / J \approx 2.269$. In this paper we consider datasets with no information about model topology to argue that a neural network thermometer is not an accurate way to detect whether the RBM has learned scale invariance or not.
Abstract（参考訳）: 本稿では,ニューラルネットワーク温度計による正方格子イジングモデルの温度空間上にマッピングされた制限ボルツマン機械(rbm)からの反復サンプリング(フロー)の代替実験について検討する。このフレームワークは、RBMベースのディープニューラルネットワークとRenormalization Group(RG)の間の接続を調べるために導入された。ある条件下では、イジングスピン配置で訓練されたrbmの流れが臨界値の周りの温度空間に近づくことが判明している: $ k_b t_c / j \approx 2.269$。本稿では、モデルトポロジに関する情報を持たないデータセットを考察し、ニューラルネットワーク温度計は、RBMがスケール不変性を学習したかどうかを正確に検出する方法ではないと論じる。

関連論文リスト

Continuous time recurrent neural networks: overview and application to forecasting blood glucose in the intensive care unit [56.801856519460465]
連続時間自己回帰リカレントニューラルネットワーク(Continuous Time Autoregressive Recurrent Neural Network, CTRNN)は、不規則な観測を考慮に入れたディープラーニングモデルである。重篤なケア環境下での血糖値の確率予測へのこれらのモデルの適用を実証する。
論文参考訳（メタデータ） (2023-04-14T09:39:06Z)
Learning to Learn with Generative Models of Neural Network Checkpoints [71.06722933442956]
ニューラルネットワークのチェックポイントのデータセットを構築し,パラメータの生成モデルをトレーニングする。提案手法は,幅広い損失プロンプトに対するパラメータの生成に成功している。我々は、教師付きおよび強化学習における異なるニューラルネットワークアーキテクチャとタスクに本手法を適用した。
論文参考訳（メタデータ） (2022-09-26T17:59:58Z)
Decision SincNet: Neurocognitive models of decision making that predict cognitive processes from neural signals [0.0]
我々は、脳波信号を用いてDrift-Diffusionモデルに適合するように、SincNetベースの浅層ニューラルネットワークアーキテクチャを適用した。ドリフトとバウンダリの単回評価は、トレーニングおよびテストデータセットの中央値推定よりもRTの予測に優れていた。
論文参考訳（メタデータ） (2022-08-04T18:51:29Z)
An advanced spatio-temporal convolutional recurrent neural network for storm surge predictions [73.4962254843935]
本研究では, 人工ニューラルネットワークモデルを用いて, 嵐の軌跡/規模/強度履歴に基づいて, 強風をエミュレートする能力について検討する。本研究では, 人工嵐シミュレーションのデータベースを用いて, 強風を予測できるニューラルネットワークモデルを提案する。
論文参考訳（メタデータ） (2022-04-18T23:42:18Z)
Physics-Informed Deep Monte Carlo Quantile Regression method for Interval Multilevel Bayesian Network-based Satellite Heat Reliability Analysis [6.339013443225807]
提案手法は、深部畳み込みニューラルネットワークと既知の物理知識を組み合わせて、正確な温度場を再構築する。本論文は、再構成された温度場と定量化アレタリック不確実性に基づいて、衛星熱の信頼性を解析するための間隔多レベルベイズネットワークをモデル化する。
論文参考訳（メタデータ） (2022-02-14T16:43:41Z)
Inverting brain grey matter models with likelihood-free inference: a tool for trustable cytoarchitecture measurements [62.997667081978825]
脳の灰白質細胞構造の特徴は、体密度と体積に定量的に敏感であり、dMRIでは未解決の課題である。我々は新しいフォワードモデル、特に新しい方程式系を提案し、比較的スパースなb殻を必要とする。次に,提案手法を逆転させるため,確率自由推論 (LFI) として知られるベイズ解析から最新のツールを適用した。
論文参考訳（メタデータ） (2021-11-15T09:08:27Z)
Robust lEarned Shrinkage-Thresholding (REST): Robust unrolling for sparse recover [87.28082715343896]
我々は、モデルミス特定を前進させるのに堅牢な逆問題を解決するためのディープニューラルネットワークについて検討する。我々は,アルゴリズムの展開手法を根底にある回復問題のロバストバージョンに適用することにより,新しい堅牢なディープニューラルネットワークアーキテクチャを設計する。提案したRESTネットワークは,圧縮センシングとレーダイメージングの両問題において,最先端のモデルベースおよびデータ駆動アルゴリズムを上回る性能を示す。
論文参考訳（メタデータ） (2021-10-20T06:15:45Z)
Simultaneous boundary shape estimation and velocity field de-noising in Magnetic Resonance Velocimetry using Physics-informed Neural Networks [70.7321040534471]
MRV(MR resonance velocimetry)は、流体の速度場を測定するために医療や工学で広く用いられている非侵襲的な技術である。これまでの研究では、境界(例えば血管)の形状が先駆体として知られていた。我々は、ノイズの多いMRVデータのみを用いて、最も可能性の高い境界形状と減音速度場を推定する物理インフォームニューラルネットワークを提案する。
論文参考訳（メタデータ） (2021-07-16T12:56:09Z)
Sparsely constrained neural networks for model discovery of PDEs [0.0]
本稿では,任意のスパース回帰手法を用いて,ディープラーニングに基づくサロゲートのスパースパターンを決定するモジュラーフレームワークを提案する。異なるネットワークアーキテクチャと疎度推定器がモデル発見精度と収束性を,いくつかのベンチマーク例でどのように改善するかを示す。
論文参考訳（メタデータ） (2020-11-09T11:02:40Z)
Short sighted deep learning [0.22940141855172028]
議論を長距離スピン格子の設定に拡張する。 MCMCシミュレーションは、システムの臨界温度とスケーリング次元の両方を決定する。
論文参考訳（メタデータ） (2020-02-07T08:33:07Z)

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。