論文の概要: Integer Factorization with Compositional Distributed Representations
- arxiv url: http://arxiv.org/abs/2203.00920v1
- Date: Wed, 2 Mar 2022 08:09:17 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-23 08:11:43.681263
- Title: Integer Factorization with Compositional Distributed Representations
- Title（参考訳）: 合成分布表現を用いた整数因数分解
- Authors: Denis Kleyko, Connor Bybee, Christopher J. Kymn, Bruno A. Olshausen,
Amir Khosrowshahi, Dmitri E. Nikonov, Friedrich T. Sommer, E. Paxon Frady
- Abstract要約: 本稿では,ベクトル記号アーキテクチャを用いた分散表現を用いた整数分解手法を提案する。
この手法は、整数分解をニューラルネットワークを用いて解くことができ、並列なニューロモルフィックハードウェアに実装される可能性がある方法で定式化する。
- 参考スコア（独自算出の注目度）: 5.119801391862319
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this paper, we present an approach to integer factorization using
distributed representations formed with Vector Symbolic Architectures. The
approach formulates integer factorization in a manner such that it can be
solved using neural networks and potentially implemented on parallel
neuromorphic hardware. We introduce a method for encoding numbers in
distributed vector spaces and explain how the resonator network can solve the
integer factorization problem. We evaluate the approach on factorization of
semiprimes by measuring the factorization accuracy versus the scale of the
problem. We also demonstrate how the proposed approach generalizes beyond the
factorization of semiprimes; in principle, it can be used for factorization of
any composite number. This work demonstrates how a well-known combinatorial
search problem may be formulated and solved within the framework of Vector
Symbolic Architectures, and it opens the door to solving similarly difficult
problems in other domains.
- Abstract（参考訳）: 本稿では,ベクトル記号アーキテクチャを用いた分散表現を用いた整数分解手法を提案する。
このアプローチは、ニューラルネットワークを使って解くことができ、パラレルニューロモルフィックハードウェア上で実装できるような方法で整数分解を定式化する。
分散ベクトル空間における数値の符号化法を導入し、共振器ネットワークが整数分解問題を解く方法を説明する。
半素数の因子分解の手法を因子分解の精度と問題の規模を比較して評価する。
提案手法は, 半素数の分解を超えて一般化し, 原理的には任意の合成数の分解に利用できることを示す。
この研究は、ベクトル記号アーキテクチャの枠組みの中で、よく知られた組合せ探索問題を定式化して解決する方法を示し、他の領域でも同様に難しい問題を解くための扉を開く。
関連論文リスト
- Efficient Detection of Commutative Factors in Factor Graphs [1.1323769002489257]
そこで本研究では,可換因子(DECOR)検出アルゴリズムを導入し,実際に可換因子であるかどうかを確認するための計算労力を大幅に削減する。
我々は,DECORが要求イテレーション数を劇的に減らし,DECORの効率を実証的に評価する制約を効率的に識別できることを証明した。
論文 参考訳（メタデータ） (2024-07-23T08:31:24Z) - Initialization is Critical to Whether Transformers Fit Composite Functions by Inference or Memorizing [10.206921909332006]
トランスフォーマーは様々なタスクに対して印象的な能力を示してきたが、構成上の問題に対するパフォーマンスは議論の的となっている。
本研究では,変圧器が構成課題に対してどのように振る舞うかを考察する。
論文 参考訳（メタデータ） (2024-05-08T20:23:24Z) - Tractable Bounding of Counterfactual Queries by Knowledge Compilation [51.47174989680976]
本稿では, パール構造因果モデルにおいて, 因果関係などの部分的特定可能なクエリのバウンダリングの問題について議論する。
最近提案された反復EMスキームは初期化パラメータをサンプリングしてそれらの境界を内部近似する。
シンボルパラメータを実際の値に置き換えた回路構造を,単一のシンボル知識コンパイルによって得られることを示す。
論文 参考訳（メタデータ） (2023-10-05T07:10:40Z) - Integer Factorisation, Fermat & Machine Learning on a Classical Computer [0.0]
我々は、整数因数分解問題を二項分類問題に還元するために、ローレンスのフェルマー因数分解アルゴリズムの拡張を利用する。
大規模な擬似ランダム素数の生成が容易な分類問題に対処するため、必要に応じて大規模なトレーニングデータのコーパスを合成的に生成する。
論文 参考訳（メタデータ） (2023-07-16T22:39:00Z) - Factorization of Multi-Agent Sampling-Based Motion Planning [72.42734061131569]
現代のロボティクスは、共有環境内で複数のエンボディエージェントを動作させることが多い。
標準的なサンプリングベースのアルゴリズムは、ロボットの関節空間における解の探索に使用できる。
我々は、因子化の概念をサンプリングベースアルゴリズムに統合し、既存の手法への最小限の変更しか必要としない。
本稿では, PRM* のサンプル複雑性の観点から解析的ゲインを導出し, RRG の実証結果を示す。
論文 参考訳（メタデータ） (2023-04-01T15:50:18Z) - Linearization Algorithms for Fully Composite Optimization [61.20539085730636]
本稿では,完全合成最適化問題を凸コンパクト集合で解くための一階アルゴリズムについて検討する。
微分可能および非微分可能を別々に扱い、滑らかな部分のみを線形化することで目的の構造を利用する。
論文 参考訳（メタデータ） (2023-02-24T18:41:48Z) - Learning Graphical Factor Models with Riemannian Optimization [70.13748170371889]
本稿では,低ランク構造制約下でのグラフ学習のためのフレキシブルなアルゴリズムフレームワークを提案する。
この問題は楕円分布のペナルティ化された最大推定値として表される。
楕円モデルによく適合する正定行列と定ランクの正半定行列のジオメトリを利用する。
論文 参考訳（メタデータ） (2022-10-21T13:19:45Z) - Partial Counterfactual Identification from Observational and
Experimental Data [83.798237968683]
観測データと実験データの任意の組み合わせから最適境界を近似する有効なモンテカルロアルゴリズムを開発した。
我々のアルゴリズムは、合成および実世界のデータセットに基づいて広範囲に検証されている。
論文 参考訳（メタデータ） (2021-10-12T02:21:30Z) - Joint Network Topology Inference via Structured Fusion Regularization [70.30364652829164]
結合ネットワークトポロジ推論は、異種グラフ信号から複数のグラフラプラシア行列を学習する標準的な問題を表す。
新規な構造化融合正規化に基づく一般グラフ推定器を提案する。
提案するグラフ推定器は高い計算効率と厳密な理論保証の両方を享受できることを示す。
論文 参考訳（メタデータ） (2021-03-05T04:42:32Z) - Robust Factorization Methods Using a Gaussian/Uniform Mixture Model [24.756003635916613]
ガウス型/一様混合モデルとそのemアルゴリズムを提案する。
本稿では,任意のアフィン因子分解法に適合するロバストな手法を提案する。
我々は、アルゴリズムを検証し、既存のものと比較するために、多数の実験を行った。
論文 参考訳（メタデータ） (2020-12-15T12:21:33Z) - Resonator networks for factoring distributed representations of data
structures [3.46969645559477]
分散表現空間上の代数を構成する高次元ベクトルと演算を組み合わせることにより、データ構造がどのように符号化されるかを示す。
提案アルゴリズムは共振器ネットワークと呼ばれ、VSA乗算演算とパターン補完をインターリーブする新しいタイプのリカレントニューラルネットワークである。
共振器ネットワークは、現実世界のドメインにおける無数の人工知能問題にVSAを適用する可能性を開く。
論文 参考訳（メタデータ） (2020-07-07T19:24:27Z)
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。