論文の概要: Aspects of Artificial Intelligence: Transforming Machine Learning Systems Naturally

• arxiv url: http://arxiv.org/abs/2502.01708v1
• Date: Mon, 03 Feb 2025 14:45:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-05 15:01:14.311256
• Title: Aspects of Artificial Intelligence: Transforming Machine Learning Systems Naturally
• Title（参考訳）: 人工知能の側面:自然に機械学習システムを変える
• Authors: Xiuzhan Guo,
• Abstract要約: 我々は、機械学習システムとして、私たちが共に関心を持っている機械学習要素について研究する。 2つのシステム間の機械学習システム変換は、システム間のマップである。 機械学習システム間の接続は、問題解決の最適な方法を提供する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: In this paper, we study the machine learning elements which we are interested in together as a machine learning system, consisting of a collection of machine learning elements and a collection of relations between the elements. The relations we concern are algebraic operations, binary relations, and binary relations with composition that can be reasoned categorically. A machine learning system transformation between two systems is a map between the systems, which preserves the relations we concern. The system transformations given by quotient or clustering, representable functor, and Yoneda embedding are highlighted and discussed by machine learning examples. An adjunction between machine learning systems, a special machine learning system transformation loop, provides the optimal way of solving problems. Machine learning system transformations are linked and compared by their maps at 2-cell, natural transformations. New insights and structures can be obtained from universal properties and algebraic structures given by monads, which are generated from adjunctions.
• Abstract（参考訳）: 本稿では、機械学習要素の集合と要素間の関係の集合からなる機械学習システムとして、私たちが共に関心を持っている機械学習要素について検討する。 私たちが懸念する関係は代数的操作、二項関係、および分類的に説明できる合成との二項関係である。 2つのシステム間の機械学習システム変換は、システム間のマップであり、私たちが懸念する関係を保存する。 クエントやクラスタリング、表現可能な関手、Yonedaの埋め込みによって与えられるシステム変換は、機械学習の例によって強調され、議論されている。 特殊な機械学習システム変換ループである機械学習システム間の接続は、問題解決の最適な方法を提供する。 機械学習システム変換は、2セルの自然な変換におけるマップによってリンクされ、比較される。 新しい洞察と構造は、共役から生成されるモナドによって与えられる普遍的性質と代数構造から得ることができる。

関連論文リスト

• Learning Linear Attention in Polynomial Time [115.68795790532289]
  線形注意を持つ単層変圧器の学習性に関する最初の結果を提供する。 線形アテンションは RKHS で適切に定義された線形予測器とみなすことができる。 我々は,すべての経験的リスクが線形変換器と同等のトレーニングデータセットを効率的に識別する方法を示す。
  論文  参考訳（メタデータ） (2024-10-14T02:41:01Z)
• Finding structure in logographic writing with library learning [55.63800121311418]
  書記システムにおける構造を発見するための計算フレームワークを開発する。 我々の枠組みは中国語の表記体系における既知の言語構造を発見する。 図書館学習のアプローチが、人間の認知における構造の形成の基盤となる基本的な計算原理を明らかにするのにどのように役立つかを実証する。
  論文  参考訳（メタデータ） (2024-05-11T04:23:53Z)
• Inducing Systematicity in Transformers by Attending to Structurally Quantized Embeddings [60.698130703909804]
  トランスフォーマーは、複雑なデータセットでトレーニングされた後、構造と実体の新規な構成に一般化する。 本稿では,SQ-Transformerを提案する。 SQ-Transformerは,複数の低複雑さ意味解析および機械翻訳データセット上で,バニラ変換器よりも強い構成一般化を実現することを示す。
  論文  参考訳（メタデータ） (2024-02-09T15:53:15Z)
• Lessons on Datasets and Paradigms in Machine Learning for Symbolic Computation: A Case Study on CAD [0.0]
  本研究では,機械学習に先立ってデータセットを分析することの重要性について報告する。 本稿では, 筒状代数分解に対する変数順序付けの選択について, 特定のケーススタディに対する結果を示す。 我々は、データセットのバランスとさらなる拡張を可能にするシステムのための拡張技術を導入する。
  論文  参考訳（メタデータ） (2024-01-24T10:12:43Z)
• CoLA: Exploiting Compositional Structure for Automatic and Efficient Numerical Linear Algebra [62.37017125812101]
  機械学習における大規模線形代数問題に対して, CoLA という, 単純だが汎用的なフレームワークを提案する。 線形演算子抽象と合成ディスパッチルールを組み合わせることで、CoLAはメモリと実行時の効率的な数値アルゴリズムを自動的に構築する。 偏微分方程式,ガウス過程,同変モデル構築,教師なし学習など,幅広い応用で有効性を示す。
  論文  参考訳（メタデータ） (2023-09-06T14:59:38Z)
• Unsupervised Learning of Invariance Transformations [105.54048699217668]
  近似グラフ自己同型を見つけるためのアルゴリズムフレームワークを開発する。 重み付きグラフにおける近似自己同型を見つけるために、このフレームワークをどのように利用できるかについて議論する。
  論文  参考訳（メタデータ） (2023-07-24T17:03:28Z)
• Inferring Local Structure from Pairwise Correlations [0.0]
  相関関係が局所関係を回復するのに十分な情報を提供することを示す。 これは、我々のデータに高次相互作用構造が存在するにもかかわらず、成功することを証明している。
  論文  参考訳（メタデータ） (2023-05-07T22:38:29Z)
• Learning Dynamics and Structure of Complex Systems Using Graph Neural Networks [13.509027957413409]
  我々は、非線形力学系の例から時系列に適合するようにグラフニューラルネットワークを訓練した。 学習した表現とモデルコンポーネントの簡単な解釈を見出した。 我々は,信念伝達における統計的相互作用と,それに対応する学習ネットワークのパラメータ間のグラフトランスレータの同定に成功した。
  論文  参考訳（メタデータ） (2022-02-22T15:58:16Z)
• Classification of Discrete Dynamical Systems Based on Transients [0.0]
  決定論的離散空間と時間力学系の任意のクラスに適用可能な新しい分類法を提案する。 順序付けられた振る舞いからカオスへのフェーズ移行に対応する、行動の重要な領域を特定できたのです。 私たちの仕事は、複雑な構造が現れるシステムの設計に利用できます。
  論文  参考訳（メタデータ） (2021-08-03T15:34:01Z)
• Learning Algebraic Recombination for Compositional Generalization [71.78771157219428]
  合成一般化のための代数的組換え学習のためのエンドツーエンドニューラルモデルLeARを提案する。 主要な洞察は、意味解析タスクを潜在構文代数学と意味代数学の間の準同型としてモデル化することである。 2つの現実的・包括的構成一般化の実験は、我々のモデルの有効性を実証している。
  論文  参考訳（メタデータ） (2021-07-14T07:23:46Z)
• Transformations between deep neural networks [0.0]
  我々は、2つの異なる人工ニューラルネットワークの等価性を検証し、可能であれば確立することを提案する。 まず、2つのネットワークの出力のみ間の変換関数について議論する。 次に、各ネットワークから複数の内部ニューロンの出力(活性化)を考慮に入れた変換を検討する。
  論文  参考訳（メタデータ） (2020-07-10T23:32:12Z)

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。