論文の概要: Feature extraction of machine learning and phase transition point of Ising model

• arxiv url: http://arxiv.org/abs/2111.11166v1
• Date: Mon, 22 Nov 2021 13:04:24 GMT
• ステータス: 処理完了
• システム内更新日: 2021-11-23 17:18:24.982696
• Title: Feature extraction of machine learning and phase transition point of Ising model
• Title（参考訳）: イジングモデルにおける機械学習の特徴抽出と相転移点
• Authors: Shotaro Shiba Funai
• Abstract要約: 本研究では,Isingモデルのスピン配置を様々な温度で訓練した場合に,RBM(Restricted Boltzmann Machine)によって抽出された特徴について検討する。 ある場合、フローはイジングモデルにおける相転移点$T=T_c$に近づく。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: We study the features extracted by the Restricted Boltzmann Machine (RBM) when it is trained with spin configurations of Ising model at various temperatures. Using the trained RBM, we obtain the flow of iterative reconstructions (RBM flow) of the spin configurations and find that in some cases the flow approaches the phase transition point $T=T_c$ in Ising model. Since the extracted features are emphasized in the reconstructed configurations, the configurations at such a fixed point should describe nothing but the extracted features. Then we investigate the dependence of the fixed point on various parameters and conjecture the condition where the fixed point of the RBM flow is at the phase transition point. We also provide supporting evidence for the conjecture by analyzing the weight matrix of the trained RBM.
• Abstract（参考訳）: 制限ボルツマン機械 (rbm) によって抽出された特徴について, イジングモデルのスピン配置を様々な温度で訓練する場合に検討した。 トレーニングされたRBMを用いて、スピン配置の反復的再構成(RBMフロー)の流れを取得し、場合によってはイジングモデルにおける相転移点$T=T_c$に流れが近づく。 抽出した特徴は再構成された構成で強調されるため、そのような固定点における構成は抽出した特徴のみを記述すべきである。 次に, 種々のパラメータに対する固定点の依存性について検討し, RBM流の固定点が相転移点にある条件を推測する。 また、トレーニングされたRBMの重み行列を解析することにより、予測を支持する証拠を提供する。

関連論文リスト

• von Mises Quasi-Processes for Bayesian Circular Regression [57.88921637944379]
  円値ランダム関数上の表現的および解釈可能な分布の族を探索する。 結果の確率モデルは、統計物理学における連続スピンモデルと関係を持つ。 後続推論のために、高速マルコフ連鎖モンテカルロサンプリングに寄与するストラトノビッチのような拡張を導入する。
  論文  参考訳（メタデータ） (2024-06-19T01:57:21Z)
• Machine Learning for the identification of phase-transitions in interacting agent-based systems: a Desai-Zwanzig example [0.0]
  本稿では,エージェントモデルに対する位相遷移を平均フィールド限界でピンポイントするデータ駆動フレームワークを提案する。 この目的のために、多様体学習アルゴリズムであるマップを用いて、データ駆動潜在変数の相似集合を同定する。 次に、深層学習フレームワークを用いて、データ駆動座標の共形再パラメータ化を求める。
  論文  参考訳（メタデータ） (2023-10-29T15:07:08Z)
• Machine learning in and out of equilibrium [58.88325379746631]
  我々の研究は、統計物理学から適応したフォッカー・プランク法を用いて、これらの平行線を探索する。 我々は特に、従来のSGDでは平衡が切れている長期的限界におけるシステムの定常状態に焦点を当てる。 本稿では,ミニバッチの置き換えを伴わない新しいランゲヴィンダイナミクス(SGLD)を提案する。
  論文  参考訳（メタデータ） (2023-06-06T09:12:49Z)
• Generative modeling for time series via Schr{\"o}dinger bridge [0.0]
  本稿では,SB (Schr'dinger Bridge) に基づく時系列生成モデルを提案する。 これは、経路空間上の基準確率測度と、時系列の合同データ分布と整合した目標測度との間の最適輸送によるエントロピックから構成される。
  論文  参考訳（メタデータ） (2023-04-11T09:45:06Z)
• CRIN: Rotation-Invariant Point Cloud Analysis and Rotation Estimation via Centrifugal Reference Frame [60.24797081117877]
  CRIN,すなわち遠心回転不変ネットワークを提案する。 CRINは点の座標を直接入力として取り、局所点を回転不変表現に変換する。 点に基づく3次元回転の連続分布を導入する。
  論文  参考訳（メタデータ） (2023-03-06T13:14:10Z)
• Counting Phases and Faces Using Bayesian Thermodynamic Integration [77.34726150561087]
  本稿では,2パラメータ統計力学系における熱力学関数と位相境界の再構成手法を提案する。 提案手法を用いて,IsingモデルとTASEPの分割関数と位相図を正確に再構成する。
  論文  参考訳（メタデータ） (2022-05-18T17:11:23Z)
• An artificial neural network approach to bifurcating phenomena in computational fluid dynamics [0.0]
  非線形パラメタライズドPDEの非滑らか解集合を扱うPOD-NN手法について論じる。 臨界点進化の非侵襲的回復のための縮小多様体ベースの分岐図を提案する。
  論文  参考訳（メタデータ） (2021-09-22T14:42:36Z)
• Leveraging Global Parameters for Flow-based Neural Posterior Estimation [90.21090932619695]
  実験観測に基づくモデルのパラメータを推定することは、科学的方法の中心である。 特に困難な設定は、モデルが強く不確定であるとき、すなわち、パラメータの異なるセットが同一の観測をもたらすときである。 本稿では,グローバルパラメータを共有する観測の補助的セットによって伝達される付加情報を利用して,その不確定性を破る手法を提案する。
  論文  参考訳（メタデータ） (2021-02-12T12:23:13Z)
• A Kernel-Based Approach to Non-Stationary Reinforcement Learning in Metric Spaces [53.47210316424326]
  KeRNSは、非定常マルコフ決定過程におけるエピソード強化学習のためのアルゴリズムである。 我々は、状態-作用空間の被覆次元と時間とともにMDPの総変動にスケールする後悔境界を証明した。
  論文  参考訳（メタデータ） (2020-07-09T21:37:13Z)
• Restricted Boltzmann Machine Flows and The Critical Temperature of Ising models [0.0]
  Boltzmann Machines (RBM) からの反復サンプリング(フロー)のための代替実験装置について検討する。 このフレームワークは、RBMベースのディープニューラルネットワークとRenormalization Group(RG)の間の接続を探索するために導入された。
  論文  参考訳（メタデータ） (2020-06-17T21:59:00Z)
• Short sighted deep learning [0.22940141855172028]
  議論を長距離スピン格子の設定に拡張する。 MCMCシミュレーションは、システムの臨界温度とスケーリング次元の両方を決定する。
  論文  参考訳（メタデータ） (2020-02-07T08:33:07Z)

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。