論文の概要: Is a model equivalent to its computer implementation?

• arxiv url: http://arxiv.org/abs/2402.15364v1
• Date: Fri, 23 Feb 2024 14:54:40 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-26 14:24:22.271654
• Title: Is a model equivalent to its computer implementation?
• Title（参考訳）: モデルは、そのコンピュータ実装と同等か?
• Authors: Beatrix C. Hiesmayr and Marc-Thorsten H\"utt
• Abstract要約: 広く使われているモデルにおいても、(形式的な)数学的モデルと結果の集合との因果関係はもはや確実ではないと論じる。 このトピックに関する新しい見解は、いくつかの研究の分野において、実装されたモデルのみを使用するという加速傾向に起因している。
• 参考スコア（独自算出の注目度）: 0.021756081703276
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: A recent trend in mathematical modeling is to publish the computer code together with the research findings. Here we explore the formal question, whether and in which sense a computer implementation is distinct from the mathematical model. We argue that, despite the convenience of implemented models, a set of implicit assumptions is perpetuated with the implementation to the extent that even in widely used models the causal link between the (formal) mathematical model and the set of results is no longer certain. Moreover, code publication is often seen as an important contributor to reproducible research, we suggest that in some cases the opposite may be true. A new perspective on this topic stems from the accelerating trend that in some branches of research only implemented models are used, e.g., in artificial intelligence (AI). With the advent of quantum computers we argue that completely novel challenges arise in the distinction between models and implementations.
• Abstract（参考訳）: 最近の数学モデリングのトレンドは、コンピュータコードを研究結果とともに公開することである。 ここでは、コンピュータの実装が数学的モデルと異なる意味を持つかどうかという形式的な疑問を探求する。 我々は、実装モデルの利便性にもかかわらず、広く使われているモデルでも(形式的)数学モデルと結果の集合との因果関係がもはや確実ではない程度まで、暗黙の仮定のセットは実装によって永続的であると主張する。 さらに、コードパブリッシングは再現可能な研究に重要な貢献者と見なされることが多いが、その逆が真である場合もあることを示唆する。 このトピックに関する新しい見解は、いくつかの研究の分野において、人工知能(AI)など、実装されたモデルのみを使用するという加速傾向に起因している。 量子コンピュータの出現により、モデルと実装の区別において全く新しい課題が発生すると主張する。

関連論文リスト

• Spatio-Temporal Graphical Counterfactuals: An Overview [11.616701619068804]
  反現実は、人工知能がデータから知識を学習する上で、重要かつ困難なトピックである。 本研究の目的は,思考を比較し,異なる対実モデル,理論,アプローチについて議論することである。
  論文  参考訳（メタデータ） (2024-07-02T01:34:13Z)
• Diffusion Models for Generative Artificial Intelligence: An Introduction for Applied Mathematicians [3.069335774032178]
  拡散モデルは、画像のための生成AIにおけるアートパフォーマンスの状態を提供する。 応用数学者と統計学者のための拡散モデルについて簡単な紹介を行う。
  論文  参考訳（メタデータ） (2023-12-21T20:20:52Z)
• Generative Models as a Complex Systems Science: How can we make sense of large language model behavior? [75.79305790453654]
  事前訓練されたモデルから望ましい振る舞いを排除し、望ましくないモデルを避けながら、NLPを再定義した。 言語モデルの振る舞いをタスク間性能を説明するカテゴリに分解する体系的な取り組みについて論じる。
  論文  参考訳（メタデータ） (2023-07-31T22:58:41Z)
• Explanation-by-Example Based on Item Response Theory [0.0]
  本研究は, 項目応答理論(IRT)を, モデルを説明し, 説明による信頼性のレベルを測定するためのツールとして検討する。 テストセットからすると、83.8%のエラーはIRTがモデルを信頼できないと指摘しているインスタンスからのものである。
  論文  参考訳（メタデータ） (2022-10-04T14:36:33Z)
• Geometric and Topological Inference for Deep Representations of Complex Networks [13.173307471333619]
  我々は、トポロジと表現の幾何学を強調する統計のクラスを提示する。 モデル選択に使用する場合の感度と特異性の観点から,これらの統計値を評価する。 これらの新しい手法により、脳やコンピューター科学者は、脳やモデルによって学習された動的表現変換を可視化することができる。
  論文  参考訳（メタデータ） (2022-03-10T17:14:14Z)
• Counterfactual Explanations for Models of Code [11.678590247866534]
  機械学習(ML)モデルは、多くのソフトウェアエンジニアリングタスクにおいて、ますます一般的な役割を担っている。 開発者が、なぜモデルが一定の結論に達したのか、モデルの予測にどのように対応すべきかを理解するのは難しいかもしれません。 本稿では,ソースコードのモデルに対する反実的説明について考察する。
  論文  参考訳（メタデータ） (2021-11-10T14:44:19Z)
• Model-agnostic multi-objective approach for the evolutionary discovery of mathematical models [55.41644538483948]
  現代のデータ科学では、どの部分がより良い結果を得るために置き換えられるかというモデルの性質を理解することがより興味深い。 合成データ駆動型モデル学習において,多目的進化最適化を用いてアルゴリズムの所望特性を求める。
  論文  参考訳（メタデータ） (2021-07-07T11:17:09Z)
• Beyond Trivial Counterfactual Explanations with Diverse Valuable Explanations [64.85696493596821]
  コンピュータビジョンの応用において、生成的対実法はモデルの入力を摂動させて予測を変更する方法を示す。 本稿では,多様性強化損失を用いて制約される不連続潜在空間における摂動を学習する反事実法を提案する。 このモデルは, 従来の最先端手法と比較して, 高品質な説明を生産する成功率を向上させる。
  論文  参考訳（メタデータ） (2021-03-18T12:57:34Z)
• Design of Dynamic Experiments for Black-Box Model Discrimination [72.2414939419588]
  選択したいような動的モデル判別の設定を考えてみましょう。 (i) 最高のメカニスティックな時間変化モデルと (ii) 最高のモデルパラメータ推定値です。 勾配情報にアクセス可能な競合する力学モデルに対しては、既存の手法を拡張し、より広い範囲の問題の不確実性を組み込む。 これらのブラックボックスモデルをガウス過程サロゲートモデルに置き換えることで、モデル識別設定を拡張して、競合するブラックボックスモデルをさらに取り入れる。
  論文  参考訳（メタデータ） (2021-02-07T11:34:39Z)
• Plausible Counterfactuals: Auditing Deep Learning Classifiers with Realistic Adversarial Examples [84.8370546614042]
  ディープラーニングモデルのブラックボックスの性質は、彼らがデータから何を学ぶかについて、未回答の疑問を提起している。 GAN(Generative Adversarial Network)とマルチオブジェクトは、監査されたモデルに妥当な攻撃を与えるために使用される。 その実用性は人間の顔の分類タスクの中で示され、提案されたフレームワークの潜在的可能性を明らかにしている。
  論文  参考訳（メタデータ） (2020-03-25T11:08:56Z)
• Hybrid modeling: Applications in real-time diagnosis [64.5040763067757]
  我々は、機械学習にインスパイアされたモデルと物理モデルを組み合わせた、新しいハイブリッドモデリングアプローチの概要を述べる。 このようなモデルをリアルタイム診断に利用しています。
  論文  参考訳（メタデータ） (2020-03-04T00:44:57Z)

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。