Fugu-MT 論文翻訳(概要): Machine Learning on generalized Complete Intersection Calabi-Yau Manifolds

論文の概要: Machine Learning on generalized Complete Intersection Calabi-Yau Manifolds

arxiv url: http://arxiv.org/abs/2209.10157v1
Date: Wed, 21 Sep 2022 07:30:07 GMT
ステータス: 処理完了
システム内更新日: 2022-09-22 17:18:34.690326
Title: Machine Learning on generalized Complete Intersection Calabi-Yau Manifolds
Title（参考訳）: 一般化完全断面カラビ・ヤウ多様体の機械学習
Authors: Wei Cui, Xin Gao and Juntao Wang
Abstract要約: 一般化完備断面カラビ・ヤウ多様体(英語版)(gCICY)はカラビ・ヤウ多様体の新たな構成である。本稿では,ニューラルネットワークを用いて,この方向を推し進める。
参考スコア（独自算出の注目度）: 16.923362862181445
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Generalized Complete Intersection Calabi-Yau Manifold (gCICY) is a new construction of Calabi-Yau manifolds established recently. However, the generation of new gCICYs using standard algebraic method is very laborious. Due to this complexity, the number of gCICYs and their classification still remain unknown. In this paper, we try to make some progress in this direction using neural network. The results showed that our trained models can have a high precision on the existing type $(1,1)$ and type $(2,1)$ gCICYs in the literature. Moreover, They can achieve a $97\%$ precision in predicting new gCICY which is generated differently from those used for training and testing. This shows that machine learning could be an effective method to classify and generate new gCICY.
Abstract（参考訳）: 一般化された完全交叉カラビ・ヤウ多様体(gcicy)は、近年確立されたカラビ・ヤウ多様体の新しい構成である。しかし、標準代数法による新しいgCICYの生成は非常に困難である。この複雑さのため、gCICYの数とその分類はまだ不明である。本稿では,ニューラルネットワークを用いて,この方向の進展について検討する。その結果,本モデルでは既存の$(1,1)$と$(2,1)$ gcicysの精度が向上した。さらに、トレーニングやテストで使用されるものとは違い、新しいgCICYを予測することで、9,7\%の精度を達成することができる。これは機械学習が新しいgCICYの分類と生成に有効な方法であることを示している。

関連論文リスト

Gradients of Functions of Large Matrices [18.361820028457718]
数値線形代数のワークホースを効率的に区別する方法を示す。以前は知られていなかったLanczosとArnoldiのイテレーションのアジョイントシステムをJAXで実装し、結果として得られるコードがDiffraxと競合することを示す。これらはすべて、問題固有のコードの最適化なしに実現されます。
論文参考訳（メタデータ） (2024-05-27T15:39:45Z)
Continual Zero-Shot Learning through Semantically Guided Generative Random Walks [56.65465792750822]
生成モデルを利用して、学習中に見えない情報が提供されない連続ゼロショット学習の課題に対処する。本稿では,新しい意味誘導型生成ランダムウォーク(GRW)損失を用いた学習アルゴリズムを提案する。提案アルゴリズムは,AWA1,AWA2,CUB,SUNデータセットの最先端性能を達成し,既存のCZSL手法を3～7%上回る結果を得た。
論文参考訳（メタデータ） (2023-08-23T18:10:12Z)
Structural Credit Assignment with Coordinated Exploration [0.0]
構造的信用割当の改善を目的とした方法は、一般的に2つのカテゴリに分類される。本稿では,ボルツマンマシンやリカレントネットワークを協調探索に用いることを提案する。実験結果から, 協調探査は訓練速度において, 独立探索をはるかに上回っていることがわかった。
論文参考訳（メタデータ） (2023-07-25T04:55:45Z)
How neural networks learn to classify chaotic time series [77.34726150561087]
本研究では,通常の逆カオス時系列を分類するために訓練されたニューラルネットワークの内部動作について検討する。入力周期性とアクティベーション周期の関係は,LKCNNモデルの性能向上の鍵となる。
論文参考訳（メタデータ） (2023-06-04T08:53:27Z)
Pretraining Without Attention [114.99187017618408]
本研究では、状態空間モデル(SSM)に基づくシーケンスルーティングの最近の進歩を利用して、注意を払わずに事前学習を探索する。 BiGS は GLUE 上で BERT の事前トレーニング精度と一致し、近似なしで 4096 トークンの長期事前トレーニングに拡張できる。
論文参考訳（メタデータ） (2022-12-20T18:50:08Z)
Fast variable selection makes scalable Gaussian process BSS-ANOVA a speedy and accurate choice for tabular and time series regression [0.0]
ガウス過程 (GP) は長い歴史を持つ非パラメトリック回帰エンジンである。拡張性のあるGPアプローチの1つは、2009年に開発されたKL(Karhunen-Lo'eve)分解カーネルBSS-ANOVAである。項の数を迅速かつ効果的に制限し、競争力のある精度の方法をもたらす新しい変数選択法である。
論文参考訳（メタデータ） (2022-05-26T23:41:43Z)
Deep metric learning improves lab of origin prediction of genetically engineered plasmids [63.05016513788047]
遺伝工学の属性(GEA)は、配列-ラブの関連を作る能力である。本稿では,計量学習に基づいて,最も可能性の高い実験室をランク付けする手法を提案する。我々は、特定の実験室のプラスミド配列のキーシグネチャを抽出することができ、モデル出力の解釈可能な検査を可能にする。
論文参考訳（メタデータ） (2021-11-24T16:29:03Z)
Machine learning for complete intersection Calabi-Yau manifolds: a methodological study [0.0]
我々は機械学習(ML)を用いてホッジ数$h1,1$と$h2,1$の完全なカラビ・ヤウ交差点を予測する問題を再考する。我々は、古いデータセットのインセプションモデルにインスパイアされたニューラルネットワークを使用して、トレーニング用のデータの30% (resp. 70%) のみを使用して、97% (resp. 99%) の精度で$h1,1$を得る。新しい例では、単純な線形回帰は、トレーニング用のデータの30%でほぼ100%の正確性をもたらす。
論文参考訳（メタデータ） (2020-07-30T19:43:49Z)
Explore and Exploit with Heterotic Line Bundle Models [0.0]
線形バンドル和から構築されたヘテロティックな$SU(5)$ GUTモデルのクラスを探索するために、深層強化学習を用いる。我々は、A3Cエージェントがそのようなモデルを探すために訓練された実験をいくつか実施する。
論文参考訳（メタデータ） (2020-03-10T15:49:33Z)
AutoML-Zero: Evolving Machine Learning Algorithms From Scratch [76.83052807776276]
基本数学的操作をビルディングブロックとして使うだけで,完全な機械学習アルゴリズムを自動的に発見できることが示される。汎用的な検索空間を通じて人間のバイアスを大幅に低減する新しいフレームワークを導入することでこれを実証する。機械学習アルゴリズムをゼロから発見する上で、これらの予備的な成功は、この分野における有望な新しい方向性を示していると信じている。
論文参考訳（メタデータ） (2020-03-06T19:00:04Z)
Lipreading using Temporal Convolutional Networks [57.41253104365274]
現在の単語認識モデルは,残差ネットワークと双方向Gated Recurrent Unit層で構成されている。このモデルの限界に対処し、その性能をさらに向上させる変更を提案する。提案モデルでは,これらのデータセットにおいてそれぞれ1.2%と3.2%の絶対的な改善が得られた。
論文参考訳（メタデータ） (2020-01-23T17:49:35Z)

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。