Fugu-MT 論文翻訳(概要): Searching for ribbons with machine learning

論文の概要: Searching for ribbons with machine learning

arxiv url: http://arxiv.org/abs/2304.09304v1
Date: Tue, 18 Apr 2023 21:12:56 GMT
ステータス: 処理完了
システム内更新日: 2023-04-20 16:04:10.124067
Title: Searching for ribbons with machine learning
Title（参考訳）: 機械学習を用いたリボン探索
Authors: Sergei Gukov, James Halverson, Ciprian Manolescu, Fabian Ruehle
Abstract要約: 我々のプログラムは、最大70回の交差範囲で多くのリボン結び目を検出することができる。また,プログラムが最大70回の交差範囲で多くのリボン結び目を検出することに成功していることを示す。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We apply Bayesian optimization and reinforcement learning to a problem in topology: the question of when a knot bounds a ribbon disk. This question is relevant in an approach to disproving the four-dimensional smooth Poincar\'e conjecture; using our programs, we rule out many potential counterexamples to the conjecture. We also show that the programs are successful in detecting many ribbon knots in the range of up to 70 crossings.
Abstract（参考訳）: ベイズ最適化と強化学習をトポロジーの問題に適用する:結び目がリボンディスクにいつ結びつくかという問題。この問題は、四次元滑らかなポアンカー予想を論証するアプローチに関係しており、我々のプログラムを用いて、予想に対する多くの潜在的な反例を除外する。また,プログラムが最大70回の交差範囲で多くのリボン結び目を検出することに成功していることを示す。

関連論文リスト

Disentangled Representation Learning with the Gromov-Monge Gap [65.73194652234848]
乱れのないデータから歪んだ表現を学習することは、機械学習における根本的な課題である。本稿では,2次最適輸送に基づく非交叉表現学習手法を提案する。提案手法の有効性を4つの標準ベンチマークで示す。
論文参考訳（メタデータ） (2024-07-10T16:51:32Z)
Optimizing Solution-Samplers for Combinatorial Problems: The Landscape of Policy-Gradient Methods [52.0617030129699]
本稿では,DeepMatching NetworksとReinforcement Learningメソッドの有効性を解析するための新しい理論フレームワークを提案する。我々の主な貢献は、Max- and Min-Cut、Max-$k$-Bipartite-Bi、Maximum-Weight-Bipartite-Bi、Traveing Salesman Problemを含む幅広い問題である。本分析の副産物として,バニラ降下による新たな正則化プロセスを導入し,失効する段階的な問題に対処し,悪い静止点から逃れる上で有効であることを示す理論的および実験的証拠を提供する。
論文参考訳（メタデータ） (2023-10-08T23:39:38Z)
Stochastic Graph Bandit Learning with Side-Observations [4.910658441596583]
基礎となるグラフ構造と報酬ギャップの両方に適応するアルゴリズムを提案する。我々の知る限りでは、この設定においてギャップ依存の上界を初めて提供するアルゴリズムである。
論文参考訳（メタデータ） (2023-08-29T08:14:19Z)
Lemmas: Generation, Selection, Application [2.0646127669654826]
本稿では,自動定理証明器に有用な補題を生成する学習技術を含む複合システムによる実験について述べる。凝縮分枝問題に焦点をあてることで、設定を大幅に単純化し、補題の本質と証明探索におけるそれらの役割を理解できるようになる。
論文参考訳（メタデータ） (2023-03-10T11:06:43Z)
Multidirectional Conjugate Gradients for Scalable Bundle Adjustment [57.18172547021947]
本稿では,正規方程式の解を最大61%高速化する手法を提案する。複数の探索方向を含む古典的条件付き共役勾配の探索空間を拡大する。結果として得られたアルゴリズムは、より少ないイテレーションを必要とするため、大規模な再構築の大幅なスピードアップにつながる。
論文参考訳（メタデータ） (2021-10-08T10:21:44Z)
Metadata-based Multi-Task Bandits with Bayesian Hierarchical Models [7.458639397686894]
効果的に探索する方法は、多腕バンディットにおける中心的な問題である。メタデータに基づくマルチタスクバンディット問題を導入する。ベイズ階層モデルのレンズを通してタスク関係を捉えることを提案する。
論文参考訳（メタデータ） (2021-08-13T22:45:05Z)
On Applying the Lackadaisical Quantum Walk Algorithm to Search for Multiple Solutions on Grids [63.75363908696257]
不足量子ウォーク(英: lackadaisical quantum walk)は、頂点が重量$l$の自己ループを持つグラフ構造を探索するために開発されたアルゴリズムである。本稿では,グリッド上の複数解の探索に不連続な量子ウォークを適用した際の問題に対処する。
論文参考訳（メタデータ） (2021-06-11T09:43:09Z)
A simple geometric proof for the benefit of depth in ReLU networks [57.815699322370826]
本論文では, 多層フィードフォワードネットワークにおける深度の利点を, 整流活性化(深度分離)により証明する。我々は、線形深さ($m$)と小さな定数幅($leq 4$)を持つ具体的なニューラルネットワークを示し、問題をゼロエラーで分類する。
論文参考訳（メタデータ） (2021-01-18T15:40:27Z)
Online Dense Subgraph Discovery via Blurred-Graph Feedback [87.9850024070244]
我々は高密度サブグラフ発見のための新しい学習問題を導入する。まず,確率の高いほぼ最適解を求めるエッジ時間アルゴリズムを提案する。そして、理論的保証のあるよりスケーラブルなアルゴリズムを設計する。
論文参考訳（メタデータ） (2020-06-24T11:37:33Z)
Computationally Tractable Riemannian Manifolds for Graph Embeddings [10.420394952839242]
我々は、ある曲面リーマン空間におけるグラフ埋め込みを学習し、最適化する方法を示す。我々の結果は、機械学習パイプラインにおける非ユークリッド埋め込みの利点の新たな証拠として役立ちます。
論文参考訳（メタデータ） (2020-02-20T10:55:47Z)

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。