Fugu-MT 論文翻訳(概要): Category Theory in Machine Learning

論文の概要: Category Theory in Machine Learning

arxiv url: http://arxiv.org/abs/2106.07032v1
Date: Sun, 13 Jun 2021 15:58:13 GMT
ステータス: 処理完了
システム内更新日: 2021-06-16 09:08:22.682787
Title: Category Theory in Machine Learning
Title（参考訳）: 機械学習におけるカテゴリー理論
Authors: Dan Shiebler, Bruno Gavranovi\'c, Paul Wilson
Abstract要約: 機械学習におけるカテゴリ理論の適用におけるモチベーション,目標,共通テーマについて述べる。勾配に基づく学習、確率、同変学習について触れる。
参考スコア（独自算出の注目度）: 1.6758573326215689
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Over the past two decades machine learning has permeated almost every realm of technology. At the same time, many researchers have begun using category theory as a unifying language, facilitating communication between different scientific disciplines. It is therefore unsurprising that there is a burgeoning interest in applying category theory to machine learning. We aim to document the motivations, goals and common themes across these applications. We touch on gradient-based learning, probability, and equivariant learning.
Abstract（参考訳）: 過去20年間、機械学習はあらゆるテクノロジー分野に浸透してきた。同時に、多くの研究者がカテゴリ理論を統一言語として使用し始め、異なる科学分野間のコミュニケーションを促進している。したがって、機械学習に圏論を適用することには、驚くべき関心がある。これらのアプリケーションにまたがるモチベーション、目標、共通テーマの文書化を目指しています。グラデーションベース学習,確率学習,等変学習に着目する。

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)
Application-Driven Innovation in Machine Learning [56.85396167616353]
機械学習におけるアプリケーション駆動研究のパラダイムについて述べる。このアプローチがメソッド駆動の作業と生産的に相乗効果を示す。このようなメリットにもかかわらず、マシンラーニングにおけるレビュー、採用、教育のプラクティスが、アプリケーション主導のイノベーションを後押しすることが多いことに気付きます。
論文参考訳（メタデータ） (2024-03-26T04:59:27Z)
A Review of Neuroscience-Inspired Machine Learning [58.72729525961739]
バイオプルーシブル・クレジット・アサインメントは、事実上あらゆる学習条件と互換性があり、エネルギー効率が高い。本稿では,人工ニューラルネットワークにおける信用代入の生体評価可能なルールをモデル化する,いくつかの重要なアルゴリズムについて検討する。我々は,このようなアルゴリズムを実用アプリケーションでより有用にするためには,今後の課題に対処する必要があることを論じる。
論文参考訳（メタデータ） (2024-02-16T18:05:09Z)
Combining Machine Learning and Ontology: A Systematic Literature Review [0.0]
我々は、機械学習と体系的推論の統合を調査する記事のレビューを行った。目的は、インダクティブ推論(私たちによって実行された)を人工知能システムに組み込む技術を特定することである。
論文参考訳（メタデータ） (2024-01-15T14:56:04Z)
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)
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)
Foundations and Recent Trends in Multimodal Machine Learning: Principles, Challenges, and Open Questions [68.6358773622615]
本稿では,マルチモーダル機械学習の計算的基礎と理論的基礎について概説する。本稿では,表現,アライメント,推論,生成,伝達,定量化という,6つの技術課題の分類法を提案する。最近の技術的成果は、この分類のレンズを通して示され、研究者は新しいアプローチの類似点と相違点を理解することができる。
論文参考訳（メタデータ） (2022-09-07T19:21:19Z)
Open Environment Machine Learning [84.90891046882213]
従来の機械学習研究は、学習プロセスの重要な要素が不変であるような近世界のシナリオを想定している。本稿では,新しいクラスを創出する技術,デクリメンタル/インクリメンタルな特徴,データ分散の変化,学習目標の変化,理論的諸問題について概説する。
論文参考訳（メタデータ） (2022-06-01T11:57:56Z)
Ten Quick Tips for Deep Learning in Biology [116.78436313026478]
機械学習は、データのパターンを認識し、予測モデリングに使用するアルゴリズムの開発と応用に関係している。ディープラーニングは、独自の機械学習のサブフィールドになっている。生物学的研究の文脈において、ディープラーニングは高次元の生物学的データから新しい洞察を導き出すためにますます使われてきた。
論文参考訳（メタデータ） (2021-05-29T21:02:44Z)
Machine Learning in Artificial Intelligence: Towards a Common Understanding [0.0]
機械学習」と「芸術知能」の関係を明らかにすることを目的とする。本稿では,知的エージェント構築における機械学習の役割を明らかにする概念的枠組みを提案する。
論文参考訳（メタデータ） (2020-03-27T19:09:57Z)

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。