論文の概要: Algodynamics: Teaching Algorithms using Interactive Transition Systems
- arxiv url: http://arxiv.org/abs/2010.10015v1
- Date: Tue, 20 Oct 2020 04:38:49 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-28 05:51:05.952849
- Title: Algodynamics: Teaching Algorithms using Interactive Transition Systems
- Title（参考訳）: Algodynamics:対話型遷移システムを用いたアルゴリズム
- Authors: Venkatesh Choppella, Viswanath Kasturi, Mrityunjay Kumar, Ojas Mohril
- Abstract要約: 本稿では,遷移システムの枠組み内にアルゴリズムを配置するアルゴリズムを教える手法を提案する。
Algodynamicsは、アルゴリズムの根底にある重要なアイデアを識別し、インタラクティブなトランジションシステムにパッケージ化できるという前提から始まる。
アルゴリズムの設計は、一連の対話システムを構築し、段階的に対話性を自動化と交換することで行うことができる。
- 参考スコア（独自算出の注目度）: 0.2867517731896504
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The importance of algorithms and data structures in computer science
curricula has been amply recognized. For many students, however, gaining a good
understanding of algorithms remains a challenge.
Because of the automated nature of sequential algorithms. there is an
inherent tension in directly applying the `learning by doing' approach. This
partly explains the limitations of efforts like algorithm animation and code
tracing.
Algodynamics, the approach we propose and advocate, situates algorithms
within the framework of transition systems and their dynamics and offers an
attractive approach for teaching algorithms. Algodynamics starts with the
premise that the key ideas underlying an algorithm can be identified and
packaged into interactive transition systems. The algorithm when `opened up',
reveals a transition system, shorn of most control aspects, enriched instead
with interaction. The design of an algorithm can be carried out by constructing
a series of interactive systems, progressively trading interactivity with
automation. These transition systems constitute a family of notional machines.
We illustrate the algodynamics approach by considering Bubblesort. A sequence
of five interactive transition systems culminate in the classic Bubblesort
algorithm. The exercise of constructing the individual systems also pays off
when coding Bubblesort: a highly modular implementation whose primitives are
borrowed from the transition systems. The transition systems used for
Bubblesort have been implemented as interactive experiments. These web based
implementations are easy to build. The simplicity and flexibility afforded by
the algodynamics framework makes it an attractive option to teach algorithms in
an interactive way.
- Abstract（参考訳）: 計算機科学カリキュラムにおけるアルゴリズムとデータ構造の重要性は十分に認識されている。
しかし、多くの学生にとって、アルゴリズムの理解を深めることは依然として困難である。
逐次アルゴリズムが自動化されているからです
実践による学習”アプローチを直接適用することには、固有の緊張があります。
これはアルゴリズムアニメーションやコードトレースのような取り組みの限界を部分的に説明している。
私たちが提案し提唱するアプローチであるAlgodynamicsは、遷移システムとそのダイナミクスのフレームワーク内にアルゴリズムを配置し、アルゴリズムを教えるための魅力的なアプローチを提供する。
Algodynamicsは、アルゴリズムの根底にある重要なアイデアを識別し、対話的な遷移システムにパッケージ化できるという前提から始まる。
のアルゴリズムは、ほとんどの制御面のスホーンである遷移システムを明らかにし、代わりに相互作用を豊かにする。
アルゴリズムの設計は、一連の対話システムを構築し、段階的に対話性を自動化と交換することで行うことができる。
これらの遷移システムは、記法機械のファミリーを構成する。
バブルソート(bubblesort)を考慮し,algodynamicsアプローチを説明する。
古典的なBubblesortアルゴリズムでは、5つのインタラクティブな遷移系が成立する。
個々のシステムを構築するという作業は、バブルソート(bubblesort)のコーディング時にも効果を発揮します。
Bubblesortのトランジションシステムはインタラクティブな実験として実装されている。
これらのWebベースの実装は簡単に構築できます。
algodynamicsフレームワークによって提供されるシンプルさと柔軟性は、アルゴリズムをインタラクティブに教える魅力的な選択肢となります。
関連論文リスト
- Towards a Systems Theory of Algorithms [9.4471844989393]
我々は、他のアルゴリズム、物理システム、人間、データベースと相互作用するオープンな動的システムとして、アルゴリズムを見ることを好む。
注目すべきことに、システム理論の傘下で開発された多様体ツールは、アルゴリズム領域における様々な課題に対処するのに適している。
論文 参考訳（メタデータ） (2024-01-25T09:20:21Z) - Training Neural Networks with Internal State, Unconstrained
Connectivity, and Discrete Activations [66.53734987585244]
真のインテリジェンスには、内部状態を管理するマシンラーニングモデルが必要だ。
このようなモデルのトレーニングに最も効果的なアルゴリズムは,まだ発見されていない。
このようなトレーニングアルゴリズムを2進アクティベーションと1つの重みの行列のみを持つアーキテクチャに適用する試みについて述べる。
論文 参考訳（メタデータ） (2023-12-22T01:19:08Z) - The Clock and the Pizza: Two Stories in Mechanistic Explanation of
Neural Networks [59.26515696183751]
ニューラルネットワークにおけるアルゴリズム発見は、時としてより複雑であることを示す。
単純な学習問題でさえ、驚くほど多様なソリューションを許容できることが示されています。
論文 参考訳（メタデータ） (2023-06-30T17:59:13Z) - Learning with Differentiable Algorithms [6.47243430672461]
この論文は、古典的なアルゴリズムとニューラルネットワークのような機械学習システムを組み合わせることを探求している。
この論文はアルゴリズムの監督という概念を定式化し、ニューラルネットワークがアルゴリズムから、あるいは、アルゴリズムと連動して学ぶことを可能にする。
さらに、この論文では、微分可能なソートネットワーク、微分可能なソートゲート、微分可能な論理ゲートネットワークなど、微分可能なアルゴリズムを提案する。
論文 参考訳（メタデータ） (2022-09-01T17:30:00Z) - New Auction Algorithms for Path Planning, Network Transport, and
Reinforcement Learning [0.0]
最適および準最適解に対する新しいオークションベースのアルゴリズムを提案する。
アルゴリズムは、オブジェクトの人による競争入札に関連する数学的アイデアに基づいている。
新しいアルゴリズムは、既存の手法よりもいくつかの潜在的な利点がある。
論文 参考訳（メタデータ） (2022-07-19T23:31:36Z) - The CLRS Algorithmic Reasoning Benchmark [28.789225199559834]
アルゴリズムの学習表現は機械学習の新たな領域であり、ニューラルネットワークから古典的なアルゴリズムで概念をブリッジしようとしている。
本稿では,従来のアルゴリズムを包括するCLRS Algorithmic Reasoning Benchmarkを提案する。
我々のベンチマークは、ソート、探索、動的プログラミング、グラフアルゴリズム、文字列アルゴリズム、幾何アルゴリズムなど、様々なアルゴリズムの推論手順にまたがっている。
論文 参考訳（メタデータ） (2022-05-31T09:56:44Z) - Ranking Cost: Building An Efficient and Scalable Circuit Routing Planner
with Evolution-Based Optimization [49.207538634692916]
そこで我々は、効率よくトレーニング可能なルータを形成するための新しい回路ルーティングアルゴリズム、Randing Costを提案する。
提案手法では,A*ルータが適切な経路を見つけるのに役立つコストマップと呼ばれる新しい変数群を導入する。
我々のアルゴリズムはエンドツーエンドで訓練されており、人工データや人間の実演は一切使用しない。
論文 参考訳（メタデータ） (2021-10-08T07:22:45Z) - Classification of Discrete Dynamical Systems Based on Transients [0.0]
決定論的離散空間と時間力学系の任意のクラスに適用可能な新しい分類法を提案する。
順序付けられた振る舞いからカオスへのフェーズ移行に対応する、行動の重要な領域を特定できたのです。
私たちの仕事は、複雑な構造が現れるシステムの設計に利用できます。
論文 参考訳（メタデータ） (2021-08-03T15:34:01Z) - Evolving Reinforcement Learning Algorithms [186.62294652057062]
メタラーニング強化学習アルゴリズムの手法を提案する。
学習アルゴリズムはドメインに依存しないため、トレーニング中に見えない新しい環境に一般化することができる。
従来の制御タスク、gridworld型タスク、atariゲームよりも優れた一般化性能を得る2つの学習アルゴリズムに注目した。
論文 参考訳（メタデータ） (2021-01-08T18:55:07Z) - Thinking While Moving: Deep Reinforcement Learning with Concurrent
Control [122.49572467292293]
本研究では,制御システムの時間的進化とともに,ポリシーからのアクションのサンプリングを同時に行わなければならないような環境下での強化学習について検討する。
人や動物のように、ロボットは思考と移動を同時に行わなければならず、前の動作が完了する前に次の動作を決定する。
論文 参考訳（メタデータ） (2020-04-13T17:49:29Z) - AutoML-Zero: Evolving Machine Learning Algorithms From Scratch [76.83052807776276]
基本数学的操作をビルディングブロックとして使うだけで,完全な機械学習アルゴリズムを自動的に発見できることが示される。
汎用的な検索空間を通じて人間のバイアスを大幅に低減する新しいフレームワークを導入することでこれを実証する。
機械学習アルゴリズムをゼロから発見する上で、これらの予備的な成功は、この分野における有望な新しい方向性を示していると信じている。
論文 参考訳（メタデータ） (2020-03-06T19:00:04Z)
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。