論文の概要: Towards a Mathematical Understanding of Neural Network-Based Machine Learning: what we know and what we don't

• arxiv url: http://arxiv.org/abs/2009.10713v3
• Date: Mon, 7 Dec 2020 23:36:20 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-15 22:06:55.251196
• Title: Towards a Mathematical Understanding of Neural Network-Based Machine Learning: what we know and what we don't
• Title（参考訳）: ニューラルネットワークに基づく機械学習の数学的理解に向けて--我々が知っていることと知らないこと
• Authors: Weinan E, Chao Ma, Stephan Wojtowytsch and Lei Wu
• Abstract要約: この記事では、ニューラルネットワークベースの機械学習の成功と微妙さの背景にある理由を理解するために、ここ数年で達成された成果についてレビューする。 古き良き応用数学の伝統において、厳密な数学的結果だけでなく、注意深い数値実験から得られた洞察にも注目する。
• 参考スコア（独自算出の注目度）: 11.447492237545788
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The purpose of this article is to review the achievements made in the last few years towards the understanding of the reasons behind the success and subtleties of neural network-based machine learning. In the tradition of good old applied mathematics, we will not only give attention to rigorous mathematical results, but also the insight we have gained from careful numerical experiments as well as the analysis of simplified models. Along the way, we also list the open problems which we believe to be the most important topics for further study. This is not a complete overview over this quickly moving field, but we hope to provide a perspective which may be helpful especially to new researchers in the area.
• Abstract（参考訳）: 本稿の目的は、ニューラルネットワークベースの機械学習の成功と微妙な性質の背後にある理由を理解するため、ここ数年の成果をレビューすることである。 古き良き応用数学の伝統では、厳密な数学的結果に留意するだけでなく、注意深い数値実験から得られた洞察や単純化されたモデルの分析にも注目する。 その過程では、さらに研究する上で最も重要なトピックであると思われるオープンな問題をリストアップする。 これは、この早い動きの分野に関する完全な概要ではないが、この分野の新しい研究者にとって特に役立つ視点を提供したいと考えている。

関連論文リスト

• Towards a Categorical Foundation of Deep Learning: A Survey [0.0]
  この論文は、機械学習を分類的に研究しようとする最近の研究をカバーしている。 数学と科学の言語フランスとして働く カテゴリー理論は 機械学習の分野に 統一的な構造を与えるかもしれない
  論文  参考訳（メタデータ） (2024-10-07T13:11:16Z)
• Mathematical theory of deep learning [0.46040036610482665]
  これは近似理論、最適化理論、統計学習理論の基本的な結果をカバーしている。 本書は,本トピックに関する基礎知識を読者に提供することを目的としている。
  論文  参考訳（メタデータ） (2024-07-25T20:37:12Z)
• Machine learning and information theory concepts towards an AI Mathematician [77.63761356203105]
  人工知能の現在の最先端技術は、特に言語習得の点で印象的だが、数学的推論の点ではあまり重要ではない。 このエッセイは、現在のディープラーニングが主にシステム1の能力で成功するという考えに基づいている。 興味深い数学的ステートメントを構成するものについて質問するために、情報理論的な姿勢を取る。
  論文  参考訳（メタデータ） (2024-03-07T15:12:06Z)
• Can neural networks do arithmetic? A survey on the elementary numerical skills of state-of-the-art deep learning models [0.424243593213882]
  深層学習モデルが量と記号数の基本的な理解を持っているかどうかは不明である。 我々は最近の文献を批判的に検証し、基礎的な数値と算術の知識をテストするために設計された比較的単純なタスクによって、最先端のアーキテクチャでさえしばしば不足していると結論付けている。
  論文  参考訳（メタデータ） (2023-03-14T09:30:52Z)
• A Survey of Deep Learning for Mathematical Reasoning [71.88150173381153]
  我々は過去10年間の数学的推論とディープラーニングの交差点における重要なタスク、データセット、方法についてレビューする。 大規模ニューラルネットワークモデルの最近の進歩は、新しいベンチマークと、数学的推論にディープラーニングを使用する機会を開放している。
  論文  参考訳（メタデータ） (2022-12-20T18:46:16Z)
• Deep Learning to See: Towards New Foundations of Computer Vision [88.69805848302266]
  この本はコンピュータビジョンの分野における科学的進歩を批判している。 情報に基づく自然法則の枠組みにおける視覚の研究を提案する。
  論文  参考訳（メタデータ） (2022-06-30T15:20:36Z)
• The Physics of Machine Learning: An Intuitive Introduction for the Physical Scientist [0.0]
  この記事では、機械学習アルゴリズムに関する深い洞察を得たいと願う物理科学者を対象としている。 まず、エネルギーベースの2つの機械学習アルゴリズム、ホップフィールドネットワークとボルツマンマシンのレビューと、Isingモデルとの関係について述べる。 次に、フィードフォワードニューラルネットワーク、畳み込みニューラルネットワーク、オートエンコーダを含む、さらに"実践的"な機械学習アーキテクチャを掘り下げます。
  論文  参考訳（メタデータ） (2021-11-27T15:12:42Z)
• Optimism in the Face of Adversity: Understanding and Improving Deep Learning through Adversarial Robustness [63.627760598441796]
  深層学習における対角的強靭性の分野を詳細に検討する。 直感的な対向例と深層ニューラルネットワークの幾何学的関係を強調した。 セキュリティを超えた敵の堅牢性の主な応用について概説する。
  論文  参考訳（メタデータ） (2020-10-19T16:03:46Z)
• Machine Learning and Computational Mathematics [8.160343645537106]
  機械学習がすでにどのような影響を及ぼし、さらに計算数学、科学計算、計算科学に影響を及ぼすかについて論じる。 これらの問題について、最も重要な進展をいくつか紹介する。 私たちの希望は、機械学習と計算数学を統合するのに役立つ視点に物事を組み込むことです。
  論文  参考訳（メタデータ） (2020-09-23T23:16:46Z)
• A Primer on Motion Capture with Deep Learning: Principles, Pitfalls and Perspectives [67.34875595325597]
  このプライマーでは、深層学習によるモーションキャプチャーの芽生えた分野を概観する。 我々はこれらの新しいアルゴリズムの原理について議論し、その可能性と実験者の落とし穴を明らかにする。
  論文  参考訳（メタデータ） (2020-09-01T16:51:33Z)
• Machine Number Sense: A Dataset of Visual Arithmetic Problems for Abstract and Relational Reasoning [95.18337034090648]
  文法モデルを用いて自動生成される視覚的算術問題からなるデータセット、MNS(Machine Number Sense)を提案する。 これらの視覚的算術問題は幾何学的フィギュアの形をしている。 我々は、この視覚的推論タスクのベースラインとして、4つの主要なニューラルネットワークモデルを用いて、MNSデータセットをベンチマークする。
  論文  参考訳（メタデータ） (2020-04-25T17:14:58Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。