論文の概要: XY Neural Networks
- arxiv url: http://arxiv.org/abs/2103.17244v1
- Date: Wed, 31 Mar 2021 17:47:10 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-06 00:23:40.331925
- Title: XY Neural Networks
- Title(参考訳): XYニューラルネットワーク
- Authors: Nikita Stroev and Natalia G. Berloff
- Abstract要約: XYモデルの非線形ブロックに基づいて,機械学習のための複雑な構造を構築する方法を示す。
最後のターゲットは、複雑なタスクを実行できるディープラーニングアーキテクチャを再現することである。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The classical XY model is a lattice model of statistical mechanics notable
for its universality in the rich hierarchy of the optical, laser and condensed
matter systems. We show how to build complex structures for machine learning
based on the XY model's nonlinear blocks. The final target is to reproduce the
deep learning architectures, which can perform complicated tasks usually
attributed to such architectures: speech recognition, visual processing, or
other complex classification types with high quality. We developed the robust
and transparent approach for the construction of such models, which has
universal applicability (i.e. does not strongly connect to any particular
physical system), allows many possible extensions while at the same time
preserving the simplicity of the methodology.
- Abstract(参考訳): 古典的XYモデルは、光学、レーザー、凝縮物質系のリッチな階層における普遍性で有名な統計力学の格子モデルである。
XYモデルの非線形ブロックに基づいて機械学習のための複雑な構造を構築する方法を示す。
最終目標はディープラーニングアーキテクチャを再現することであり、音声認識や視覚処理など、高品質な複雑な分類タイプといった、一般的にそのようなアーキテクチャに起因した複雑なタスクを実行できる。
このようなモデルを構築するための堅牢で透明なアプローチを開発し、普遍的な適用性(すなわち、特定の物理的システムに強く結びついていない)により、方法論の単純さを保ちながら、多くの拡張が可能となる。
関連論文リスト
- Mechanistic Neural Networks for Scientific Machine Learning [58.99592521721158]
我々は、科学における機械学習応用のためのニューラルネットワーク設計であるメカニスティックニューラルネットワークを提案する。
新しいメカニスティックブロックを標準アーキテクチャに組み込んで、微分方程式を表現として明示的に学習する。
我々のアプローチの中心は、線形プログラムを解くために線形ODEを解く技術に着想を得た、新しい線形計画解法(NeuRLP)である。
論文 参考訳(メタデータ) (2024-02-20T15:23:24Z) - Enhancing Representations through Heterogeneous Self-Supervised Learning [70.44778427072534]
本稿では,HSSL(Heterogeneous Self-Supervised Learning)を提案する。
HSSLは、構造的変化を伴わない表現学習方式で、ベースモデルに新しい特徴を付与する。
HSSLは、様々な自己教師型メソッドと互換性があり、様々な下流タスクにおいて優れたパフォーマンスを達成する。
論文 参考訳(メタデータ) (2023-10-08T10:44:05Z) - Interpretable learning of effective dynamics for multiscale systems [5.754251195342313]
iLED(Interpretable Learning Effective Dynamics)の新たな枠組みを提案する。
iLEDは、最先端のリカレントニューラルネットワークベースのアプローチに匹敵する精度を提供する。
その結果、iLEDフレームワークは正確な予測を生成でき、解釈可能なダイナミクスを得ることができることがわかった。
論文 参考訳(メタデータ) (2023-09-11T20:29:38Z) - Homological Convolutional Neural Networks [4.615338063719135]
本稿では,トポロジ的に制約されたネットワーク表現を通じて,データ構造構造を利用した新しいディープラーニングアーキテクチャを提案する。
5つの古典的な機械学習モデルと3つのディープラーニングモデルに対して、18のベンチマークデータセットでモデルをテストします。
論文 参考訳(メタデータ) (2023-08-26T08:48:51Z) - Bi-fidelity Modeling of Uncertain and Partially Unknown Systems using
DeepONets [0.0]
本稿では,複雑な物理系に対する双方向モデリング手法を提案する。
我々は、小さなトレーニングデータセットが存在する場合、真のシステムの応答と低忠実度応答の相違をモデル化する。
パラメトリック不確実性を持ち、部分的には未知なモデルシステムにアプローチを適用する。
論文 参考訳(メタデータ) (2022-04-03T05:30:57Z) - Leveraging the structure of dynamical systems for data-driven modeling [111.45324708884813]
トレーニングセットとその構造が長期予測の品質に与える影響を考察する。
トレーニングセットのインフォームドデザインは,システムの不変性と基盤となるアトラクションの構造に基づいて,結果のモデルを大幅に改善することを示す。
論文 参考訳(メタデータ) (2021-12-15T20:09:20Z) - Towards a Predictive Processing Implementation of the Common Model of
Cognition [79.63867412771461]
本稿では,ニューラル生成符号化とホログラフィック連想記憶に基づく認知モデルの実装について述べる。
提案システムは,多様なタスクから継続的に学習し,大規模に人的パフォーマンスをモデル化するエージェントを開発するための基盤となる。
論文 参考訳(メタデータ) (2021-05-15T22:55:23Z) - S2RMs: Spatially Structured Recurrent Modules [105.0377129434636]
モジュール構造とテンポラル構造の両方を同時に活用できる動的構造を利用するための一歩を踏み出します。
我々のモデルは利用可能なビューの数に対して堅牢であり、追加のトレーニングなしで新しいタスクに一般化できる。
論文 参考訳(メタデータ) (2020-07-13T17:44:30Z) - Continuous-Variable Deep Quantum Neural Networks for Flexible Learning
of Structured Classical Information [0.0]
我々は,連続可変(CV)モデルの特性を利用して,スタック化された単一モードネットワークを構築する。
99.98%以上の忠実度に古典的な情報を学習するためのネットワークの適応性を示す。
論文 参考訳(メタデータ) (2020-06-19T02:01:59Z) - Learning Bijective Feature Maps for Linear ICA [73.85904548374575]
画像データに適した既存の確率的深層生成モデル (DGM) は, 非線形ICAタスクでは不十分であることを示す。
そこで本研究では,2次元特徴写像と線形ICAモデルを組み合わせることで,高次元データに対する解釈可能な潜在構造を学習するDGMを提案する。
画像上のフローベースモデルや線形ICA、変分オートエンコーダよりも、高速に収束し、訓練が容易なモデルを作成し、教師なしの潜在因子発見を実現する。
論文 参考訳(メタデータ) (2020-02-18T17:58:07Z)
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。
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。