Fugu-MT 論文翻訳(概要): Machine-Learning Mathematical Structures

論文の概要: Machine-Learning Mathematical Structures

arxiv url: http://arxiv.org/abs/2101.06317v1
Date: Fri, 15 Jan 2021 22:48:19 GMT
ステータス: 処理完了
システム内更新日: 2021-03-28 12:15:20.159469
Title: Machine-Learning Mathematical Structures
Title（参考訳）: 機械学習数学的構造
Authors: Yang-Hui He
Abstract要約: 本稿では,様々な問題に対するアキュラティシーの比較研究を行う。このパラダイムは、予想の定式化、より効率的な計算方法の発見、数学における特定の構造階層の探索に有用である。
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 review, for a general audience, a variety of recent experiments on extracting structure from machine-learning mathematical data that have been compiled over the years. Focusing on supervised machine-learning on labeled data from different fields ranging from geometry to representation theory, from combinatorics to number theory, we present a comparative study of the accuracies on different problems. The paradigm should be useful for conjecture formulation, finding more efficient methods of computation, as well as probing into certain hierarchy of structures in mathematics.
Abstract（参考訳）: 本稿では,近年,長年に渡り蓄積された機械学習数学データから構造を抽出する実験について概観する。幾何学から表現論,コンビネータ論から数論まで,さまざまな分野のラベル付きデータに基づく教師付き機械学習に着目し,異なる問題に対する精度の比較研究を行った。このパラダイムは、予想の定式化、より効率的な計算方法の発見、数学における特定の構造階層の探索に有用である。

関連論文リスト

Machine Learning and Data Analysis Using Posets: A Survey [0.0]
ポセットは、データ分析と機械学習の幅広い応用において、ユビキタスな離散数学的構造である。データサイエンス領域にポーズを接続する研究は、長年にわたって続けられてきた。
論文参考訳（メタデータ） (2024-04-03T21:47:44Z)
How Do Transformers Learn Topic Structure: Towards a Mechanistic Understanding [56.222097640468306]
我々は、トランスフォーマーが「意味構造」を学ぶ方法の機械的理解を提供する数学的解析とウィキペディアデータの実験を組み合わせることで、埋め込み層と自己保持層がトピック構造をエンコードしていることを示す。
論文参考訳（メタデータ） (2023-03-07T21:42:17Z)
Computing with Categories in Machine Learning [1.7679374058425343]
分類構造学習フレームワークとしてDisCoPyroを導入する。 DisCoPyroはカテゴリー構造と償却変分推論を組み合わせる。我々は、DisCoPyroが最終的には人工知能の開発に寄与するのではないかと推測する。
論文参考訳（メタデータ） (2023-03-07T17:26:18Z)
Towards a Holistic Understanding of Mathematical Questions with Contrastive Pre-training [65.10741459705739]
本稿では,数学的問題表現,すなわち QuesCo に対する対照的な事前学習手法を提案する。まず、コンテンツレベルと構造レベルを含む2段階の質問強化を設計し、類似した目的で文字通り多様な質問ペアを生成する。そこで我々は,知識概念の階層的情報を完全に活用するために,知識階層を意識したランク戦略を提案する。
論文参考訳（メタデータ） (2023-01-18T14:23:29Z)
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)
Multiparameter Persistent Homology-Generic Structures and Quantum Computing [0.0]
本稿では、トポロジカルデータ解析における持続的ホモロジーの研究への可換代数の応用について述べる。このような分解能の一般的な構造と分類空間は、数十年にわたる研究結果を用いて研究されている。
論文参考訳（メタデータ） (2022-10-20T17:30:20Z)
Model-agnostic multi-objective approach for the evolutionary discovery of mathematical models [55.41644538483948]
現代のデータ科学では、どの部分がより良い結果を得るために置き換えられるかというモデルの性質を理解することがより興味深い。合成データ駆動型モデル学習において,多目的進化最適化を用いてアルゴリズムの所望特性を求める。
論文参考訳（メタデータ） (2021-07-07T11:17:09Z)
The Mathematical Foundations of Manifold Learning [6.929312022493406]
この論文は多様体学習に関する数学的視点を示す。これは、カーネル学習、スペクトルグラフ理論、微分幾何学の共通点を包含する。グラフと多様体正規化の間の顕著な相互作用に強調される。
論文参考訳（メタデータ） (2020-10-30T12:04:20Z)
Marginal likelihood computation for model selection and hypothesis testing: an extensive review [66.37504201165159]
この記事では、このトピックの最先端に関する総合的な研究について紹介する。さまざまなテクニックの制限、メリット、コネクション、差異を強調します。また、不適切な事前利用の問題や解決法についても述べる。
論文参考訳（メタデータ） (2020-05-17T18:31:58Z)
Stochastic Flows and Geometric Optimization on the Orthogonal Group [52.50121190744979]
直交群 $O(d)$ 上の幾何駆動最適化アルゴリズムの新しいクラスを示す。提案手法は,深層,畳み込み,反復的なニューラルネットワーク,強化学習,フロー,メトリック学習など,機械学習のさまざまな分野に適用可能であることを示す。
論文参考訳（メタデータ） (2020-03-30T15:37:50Z)
Geometric Formulation for Discrete Points and its Applications [0.0]
離散点上の幾何学の新しい定式化を導入する。これは普遍微分計算に基づいており、関数の代数による離散集合の幾何学的記述を与える。
論文参考訳（メタデータ） (2020-02-07T01:12:57Z)

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。