Fugu-MT 論文翻訳(概要): Machine learning for discovering laws of nature

論文の概要: Machine learning for discovering laws of nature

arxiv url: http://arxiv.org/abs/2303.17607v2
Date: Sat, 8 Jul 2023 16:37:46 GMT
ステータス: 処理完了
システム内更新日: 2023-07-11 18:34:50.818428
Title: Machine learning for discovering laws of nature
Title（参考訳）: 自然法則発見のための機械学習
Authors: Lizhi Xin, Kevin Xin, Houwen Xin
Abstract要約: ダーウィンの自然選択に基づいて、生データから学習することで自然の法則を発見する「機械科学者」を開発した。機械科学者」は論理木(状態決定木)と値木(観測関数木)を応用して物理理論を構築する
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: Based on Darwin's natural selection, we developed "machine scientists" to discover the laws of nature by learning from raw data. "Machine scientists" construct physical theories by applying a logic tree (state Decision Tree) and a value tree (observation Function Tree); the logical tree determines the state of the entity, and the value tree determines the absolute value between the two observations of the entity. A logic Tree and a value tree together can reconstruct an entity's trajectory and make predictions about its future outcomes. Our proposed algorithmic model has an emphasis on machine learning - where "machine scientists" builds up its experience by being rewarded or punished for each decision they make - eventually leading to rediscovering Newton's equation (classical physics) and the Born's rule (quantum mechanics).
Abstract（参考訳）: ダーウィンの自然選択に基づいて、生データから学習することで自然法則を発見する「機械科学者」を開発した。「機械科学者」は、論理木(状態決定木)と値木(観測関数木)を適用して物理理論を構築し、論理木は実体の状態を決定し、値木は実体の2つの観察の間の絶対値を決定する。論理木と値木を組み合わせることで、エンティティの軌道を再構築し、将来の結果を予測することができる。提案したアルゴリズムモデルは機械学習に重点を置いており、そこでは「機械科学者」がそれぞれの決定に対して報われ、罰せられ、最終的にはニュートンの方程式(古典物理学)とボルンの規則(量子力学)を再発見する。

関連論文リスト

Automated Explanation Selection for Scientific Discovery [0.0]
本稿では,機械学習と自動推論を組み合わせた科学的発見のサイクルを提案する。本稿では,社会学と認知科学の知見に基づく説明選択問題の分類について述べる。
論文参考訳（メタデータ） (2024-07-24T17:41:32Z)
Nature-Inspired Local Propagation [68.63385571967267]
自然学習プロセスは、データの表現と学習が局所性を尊重するような方法で交わされるメカニズムに依存している。ハミルトン方程式の構造を導出した「学習の法則」のアルゴリズム的解釈は、伝播の速度が無限大になるときにバックプロパゲーションに還元されることを示す。これにより、バックプロパゲーションと提案されたローカルアルゴリズムの置き換えに基づく完全なオンライン情報に基づく機械学習への扉が開く。
論文参考訳（メタデータ） (2024-02-04T21:43:37Z)
Brain-Inspired Machine Intelligence: A Survey of Neurobiologically-Plausible Credit Assignment [65.268245109828]
本稿では,神経生物学にインスパイアされた,あるいは動機付けられた人工ニューラルネットワークにおける信用割当を行うアルゴリズムについて検討する。我々は、脳にインスパイアされた学習スキームを6つの一般的なファミリーにまとめ、これらを誤りのバックプロパゲーションの文脈で検討する。本研究の成果は,神経ミメティックシステムとその構成的学習プロセスの今後の発展を促進することを目的としている。
論文参考訳（メタデータ） (2023-12-01T05:20:57Z)
Morphological Computing as Logic Underlying Cognition in Human, Animal, and Intelligent Machine [1.14219428942199]
この研究は、論理学、数学、物理学、化学、生物学、認知を結びつけるスキームを提示している。代理店の固有の論理は、情報交換の下で様々なレベルで自然過程に存在する。
論文参考訳（メタデータ） (2023-09-25T09:31:25Z)
Quantum measurement: a game between observer and nature? [0.0]
本稿では,量子計測におけるオブザーバの役割を説明するための量子決定理論を提案する。我々は、観察者が自然とゲームをし、その経験に基づいて自然を「デコード」することで、外界の経験を築き上げていると信じている。
論文参考訳（メタデータ） (2022-10-30T07:57:58Z)
Social Interpretable Tree for Pedestrian Trajectory Prediction [75.81745697967608]
本稿では,このマルチモーダル予測課題に対処するため,SIT(Social Interpretable Tree)と呼ばれる木に基づく手法を提案する。木の根から葉までの経路は、個々の将来の軌跡を表す。 ETH-UCYとStanford Droneのデータセットによる実験結果からは,手作り木にもかかわらず,我々の手法が最先端の手法の性能に適合または超えることを示した。
論文参考訳（メタデータ） (2022-05-26T12:18:44Z)
Scientific intuition inspired by machine learning generated hypotheses [2.294014185517203]
私たちは、機械学習モデル自体が得る洞察と知識に焦点を移します。決定木では, 化学や物理から, ビッグデータから人間の解釈可能な洞察を抽出するために, 勾配増進法を適用した。数値を超える能力は、機械学習を使って概念理解の発見を加速する扉を開く。
論文参考訳（メタデータ） (2020-10-27T12:12:12Z)
Rectified Decision Trees: Exploring the Landscape of Interpretable and Effective Machine Learning [66.01622034708319]
我々は,reDT(rerectified decision tree)と呼ばれる知識蒸留に基づく決定木拡張を提案する。我々は,ソフトラベルを用いたトレーニングを可能にする標準決定木の分割基準と終了条件を拡張した。次に,教師モデルから抽出したソフトラベルに基づいて,新しいジャックニフェ法を用いてReDTを訓練する。
論文参考訳（メタデータ） (2020-08-21T10:45:25Z)
MurTree: Optimal Classification Trees via Dynamic Programming and Search [61.817059565926336]
動的プログラミングと探索に基づいて最適な分類木を学習するための新しいアルゴリズムを提案する。当社のアプローチでは,最先端技術が必要とする時間のごく一部しか使用せず,数万のインスタンスでデータセットを処理することが可能です。
論文参考訳（メタデータ） (2020-07-24T17:06:55Z)
Born-Again Tree Ensembles [9.307453801175177]
ツリーアンサンブルは、様々な領域で優れた予測品質を提供するが、複数のツリーの同時使用により、アンサンブルの解釈可能性が低下する。本研究では,その特徴空間全体において,与えられたツリーのアンサンブルと全く同じ振る舞いを再現する,最小サイズの1つの決定木を構築する過程について検討する。このアルゴリズムは、実践的な関心のある多くのデータセットに対して最適な生長木を生成する。
論文参考訳（メタデータ） (2020-03-24T22:17:21Z)
Trees and Forests in Nuclear Physics [77.34726150561087]
決定木を用いて特徴工学を行うことにより,古典的な液滴核質量モデルの精度を向上させる方法を示す。本手法をDuflo-Zukerモデルに適用し,その単純さにもかかわらず,決定木は限られた数の自由パラメータを用いて核質量の記述を改善することができることを示した。
論文参考訳（メタデータ） (2020-02-24T14:47:33Z)

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。