論文の概要: A Comparative Evaluation of Additive Separability Tests for Physics-Informed Machine Learning

• arxiv url: http://arxiv.org/abs/2312.09775v1
• Date: Fri, 15 Dec 2023 13:28:42 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-18 15:54:00.388167
• Title: A Comparative Evaluation of Additive Separability Tests for Physics-Informed Machine Learning
• Title（参考訳）: 物理インフォームド機械学習における加算分離性試験の比較評価
• Authors: Zi-Yu Khoo, Jonathan Sze Choong Low, St\'ephane Bressan
• Abstract要約: 加法分離性のために関数のサロゲートをテストするシナリオを考察する。 サロゲートが加法的に分離可能であるという検出は、さらなる学習を改善するために利用することができる。 本稿では,代用関数の混合部分微分を計算する8つの方法について,比較的かつ実験的に評価する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Many functions characterising physical systems are additively separable. This is the case, for instance, of mechanical Hamiltonian functions in physics, population growth equations in biology, and consumer preference and utility functions in economics. We consider the scenario in which a surrogate of a function is to be tested for additive separability. The detection that the surrogate is additively separable can be leveraged to improve further learning. Hence, it is beneficial to have the ability to test for such separability in surrogates. The mathematical approach is to test if the mixed partial derivative of the surrogate is zero; or empirically, lower than a threshold. We present and comparatively and empirically evaluate the eight methods to compute the mixed partial derivative of a surrogate function.
• Abstract（参考訳）: 物理系を特徴づける多くの関数は加法的に分離可能である。 例えば、物理学における機械的ハミルトン関数、生物学における人口増加方程式、経済学における消費者の嗜好とユーティリティ関数などである。 関数のサロゲートが付加的分離性のためにテストされるシナリオについて考察する。 サロゲートが付加的に分離可能であることの検出は、さらなる学習を改善するために活用できる。 したがって、サロゲートにおけるそのような分離性をテストする能力を持つことは有益である。 数学的アプローチは、サロゲートの混合部分微分がゼロか、あるいは経験的に閾値よりも低いかを検証することである。 本稿では,代用関数の混合部分微分を計算する8つの方法について,比較的かつ実験的に評価する。

関連論文リスト

• Equivariant Reinforcement Learning under Partial Observability [18.87759041528553]
  本稿では,対称性が効果的な学習に有用な帰納的バイアスとなる部分観測可能な領域を同定する。 我々のアクター批判型強化学習エージェントは、過去におけるソリューションを、関連するシナリオで再利用することができる。
  論文  参考訳（メタデータ） (2024-08-26T15:07:01Z)
• Contrastive Factor Analysis [70.02770079785559]
  本稿では,新しいコントラスト要因分析フレームワークを提案する。 コントラスト学習の領域において、因子分析の有利な特性を活用することを目的としている。 非負因子分析の解釈可能性特性をさらに活用するために、非負バージョンに拡張される。
  論文  参考訳（メタデータ） (2024-07-31T16:52:00Z)
• Seeing Unseen: Discover Novel Biomedical Concepts via Geometry-Constrained Probabilistic Modeling [53.7117640028211]
  同定された問題を解決するために,幾何制約付き確率的モデリング処理を提案する。 構成された埋め込み空間のレイアウトに適切な制約を課すために、重要な幾何学的性質のスイートを組み込む。 スペクトルグラフ理論法は、潜在的な新規クラスの数を推定するために考案された。
  論文  参考訳（メタデータ） (2024-03-02T00:56:05Z)
• Data-Driven Influence Functions for Optimization-Based Causal Inference [105.5385525290466]
  統計的汎関数に対するガトー微分を有限差分法で近似する構成的アルゴリズムについて検討する。 本研究では,確率分布を事前知識がないが,データから推定する必要がある場合について検討する。
  論文  参考訳（メタデータ） (2022-08-29T16:16:22Z)
• Quantum computing fidelity susceptibility using automatic differentiation [0.0]
  本稿では、量子自動微分を用いて、コンピュータの忠実度感受性に関する凝縮行列問題を解く方法を示す。 横フィールドイジングモデルの小さなインスタンスに対するハードウェアノイズを含むシミュレーションを用いて結果を示す。
  論文  参考訳（メタデータ） (2022-07-13T21:41:01Z)
• Monotone Improvement of Information-Geometric Optimization Algorithms with a Surrogate Function [8.680676599607125]
  本稿では,代用関数を用いた情報幾何学最適化フレームワークを理論的に解析する。 このような代理関数を用いた情報幾何学的最適化が,期待対象関数値の単調な減少につながることを証明した。
  論文  参考訳（メタデータ） (2022-04-06T07:44:27Z)
• Nonparametric Conditional Local Independence Testing [69.31200003384122]
  条件付き局所独立は、連続的な時間プロセス間の独立関係である。 条件付き地域独立の非パラメトリックテストは行われていない。 二重機械学習に基づく非パラメトリックテストを提案する。
  論文  参考訳（メタデータ） (2022-03-25T10:31:02Z)
• Understanding Contrastive Learning Requires Incorporating Inductive Biases [64.56006519908213]
  下流タスクにおけるコントラスト学習の成功を理論的に説明しようとする最近の試みは、エム強化の特性とエムコントラスト学習の損失の値によって保証が証明されている。 このような分析は,関数クラスやトレーニングアルゴリズムの帰納的バイアスを無視し,いくつかの設定において不確実な保証につながることを実証する。
  論文  参考訳（メタデータ） (2022-02-28T18:59:20Z)
• A deep learning driven pseudospectral PCE based FFT homogenization algorithm for complex microstructures [68.8204255655161]
  提案手法は,従来の手法よりも高速に評価できる一方で,興味の中心モーメントを予測できることを示す。 提案手法は,従来の手法よりも高速に評価できると同時に,興味の中心モーメントを予測できることを示す。
  論文  参考訳（メタデータ） (2021-10-26T07:02:14Z)
• How Nonconformity Functions and Difficulty of Datasets Impact the Efficiency of Conformal Classifiers [0.1611401281366893]
  整合分類では、システムは1つではなく複数のクラスラベルを出力できる。 ニューラルネットワークに基づく共形分類器の場合、逆確率は予測ラベルの平均数を最小化することができる。 この2つの非整合関数の性質を結合する手法を提案する。
  論文  参考訳（メタデータ） (2021-08-12T11:50:12Z)
• On the Robustness of Active Learning [0.7340017786387767]
  Active Learningは、機械学習アルゴリズムをトレーニングする上で最も有用なサンプルを特定する方法に関するものだ。 十分な注意とドメイン知識を持っていないことがよくあります。 そこで本研究では,Simpson の多様性指標に基づく新たな "Sum of Squared Logits" 手法を提案する。
  論文  参考訳（メタデータ） (2020-06-18T09:07:23Z)

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。