Fugu-MT 論文翻訳(概要): Kernels, Data & Physics

論文の概要: Kernels, Data & Physics

arxiv url: http://arxiv.org/abs/2307.02693v1
Date: Wed, 5 Jul 2023 23:51:05 GMT
ステータス: 処理完了
システム内更新日: 2023-07-07 15:44:45.121984
Title: Kernels, Data & Physics
Title（参考訳）: カーネル, データと物理
Authors: Francesco Cagnetta, Deborah Oliveira, Mahalakshmi Sabanayagam, Nikolaos Tsilivis, Julia Kempe
Abstract要約: ノートは、機械学習における問題に対するいわゆるNTKアプローチについて議論する。主にデータ蒸留や対向ロバスト性といった実践的な応用に焦点が当てられている。
参考スコア（独自算出の注目度）: 0.43748379918040853
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Lecture notes from the course given by Professor Julia Kempe at the summer school "Statistical physics of Machine Learning" in Les Houches. The notes discuss the so-called NTK approach to problems in machine learning, which consists of gaining an understanding of generally unsolvable problems by finding a tractable kernel formulation. The notes are mainly focused on practical applications such as data distillation and adversarial robustness, examples of inductive bias are also discussed.
Abstract（参考訳）: ユリア・ケンペ(julia kempe)教授がles houchesのsummer school "statistical physics of machine learning"で行った講義ノート。このノートは、機械学習における問題に対するいわゆるNTKアプローチについて論じており、これは、抽出可能なカーネルの定式化を見つけることによって、一般に解決不可能な問題の理解を得ることから成り立っている。主にデータ蒸留や対向ロバスト性といった実践的な応用に焦点を当て,帰納バイアスの例についても論じる。

関連論文リスト

A Brief Introduction to Causal Inference in Machine Learning [51.31735291774885]
この講義ノートは、ニューヨーク大学データサイエンスセンターで、DS-GA 3001.003 "Special Topics in DS - Causal Inference in Machine Learning"のために作成されている。
論文参考訳（メタデータ） (2024-05-14T17:41:55Z)
Machine learning in physics: a short guide [0.0]
機械学習は急速に成長する分野であり、物理学を含む科学の多くの分野に革命をもたらす可能性がある。このレビューでは、物理における機械学習の簡単な概要を説明し、教師なし、教師なし、強化学習の主な概念を取り上げている。本稿では、物理学における機械学習の主な応用について紹介し、関連する課題と展望について論じる。
論文参考訳（メタデータ） (2023-10-16T13:05:47Z)
Effect of alternating layered ansatzes on trainability of projected quantum kernel [0.0]
我々は, 層状アンサーゼを交互に配置した投影量子カーネルにおいて, 消滅する類似性問題について解析的, 数値解析的に検討した。回路の深さ, 局所的なユニタリブロックの大きさ, 初期状態に依存することが判明し, 浅い交互層状アンサーゼを用いた場合, この問題は回避可能であることを示す。
論文参考訳（メタデータ） (2023-09-30T12:32:39Z)
Statistical physics, Bayesian inference and neural information processing [2.7870396480031903]
統計物理学のレンズによる神経情報処理について論じる。内容にはベイズ的推論や、学習と一般化に関するギブスの記述との関係が含まれる。
論文参考訳（メタデータ） (2023-09-29T06:40:13Z)
Sparse Representations, Inference and Learning [0.0]
弱い長距離相互作用を伴う多種多様な問題に使用できる汎用フレームワークを提案する。キャビティ法の開発により、これらの問題をレプリカ対称レベルでどのように研究できるかを確かめる。
論文参考訳（メタデータ） (2023-06-28T10:58:27Z)
Noisy Quantum Kernel Machines [58.09028887465797]
量子学習マシンの新たなクラスは、量子カーネルのパラダイムに基づくものである。消散と脱コヒーレンスがパフォーマンスに与える影響について検討する。量子カーネルマシンでは,デコヒーレンスや散逸を暗黙の正規化とみなすことができる。
論文参考訳（メタデータ） (2022-04-26T09:52:02Z)
Learning Neural Hamiltonian Dynamics: A Methodological Overview [109.40968389896639]
Hamiltonian dynamicsは、ニューラルネットワークに正確な長期予測、解釈可能性、データ効率の学習を与える。我々は最近提案したハミルトンニューラルネットワークモデルについて、特に方法論に焦点を当てて体系的に調査した。
論文参考訳（メタデータ） (2022-02-28T22:54:39Z)
Conditional physics informed neural networks [85.48030573849712]
固有値問題のクラス解を推定するための条件付きPINN(物理情報ニューラルネットワーク)を紹介します。一つのディープニューラルネットワークが、問題全体に対する偏微分方程式の解を学習できることが示される。
論文参考訳（メタデータ） (2021-04-06T18:29:14Z)
Machine Learning Force Fields [54.48599172620472]
機械学習(ML)は、計算化学の多くの進歩を可能にした。最も有望な応用の1つは、MLベースの力場(FF)の構築である。本稿では,ML-FFの応用と,それらから得られる化学的知見について概説する。
論文参考訳（メタデータ） (2020-10-14T13:14:14Z)
Overcoming the curse of dimensionality with Laplacian regularization in semi-supervised learning [80.20302993614594]
ラプラシア正規化の欠点を克服するための統計的解析を提供する。望ましい振る舞いを示すスペクトルフィルタリング法を多数発表する。我々は,本手法を大量のデータで利用できるようにするために,現実的な計算ガイドラインを提供する。
論文参考訳（メタデータ） (2020-09-09T14:28:54Z)
Lecture notes: Efficient approximation of kernel functions [4.177892889752434]
核の性質を理解するのに必要な数学的背景を1つの場所で収集する努力。サポートベクタマシンの例を用いて,機械学習におけるカーネルの利用を短時間で動機づける。再現ケルネルヒルベルト空間の構成を含むヒルベルト空間に関する簡単な議論の後、マーサーの定理を提示する。
論文参考訳（メタデータ） (2020-05-04T15:30:06Z)

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。