論文の概要: Polyra Swarms: A Shape-Based Approach to Machine Learning
- arxiv url: http://arxiv.org/abs/2506.13217v1
- Date: Mon, 16 Jun 2025 08:16:54 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-17 17:28:47.791428
- Title: Polyra Swarms: A Shape-Based Approach to Machine Learning
- Title（参考訳）: Polyra Swarms: 機械学習の形状に基づくアプローチ
- Authors: Simon Klüttermann, Emmanuel Müller,
- Abstract要約: 本稿では,関数の代わりに形状を近似する新しい機械学習手法であるPolyra Swarmsを提案する。
特に,タスクによっては,特に異常検出などのタスクに対して,Polyra Swarmsの方がニューラルネットワークよりも望ましいことを示す。
- 参考スコア（独自算出の注目度）: 5.555497750998242
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We propose Polyra Swarms, a novel machine-learning approach that approximates shapes instead of functions. Our method enables general-purpose learning with very low bias. In particular, we show that depending on the task, Polyra Swarms can be preferable compared to neural networks, especially for tasks like anomaly detection. We further introduce an automated abstraction mechanism that simplifies the complexity of a Polyra Swarm significantly, enhancing both their generalization and transparency. Since Polyra Swarms operate on fundamentally different principles than neural networks, they open up new research directions with distinct strengths and limitations.
- Abstract（参考訳）: 本稿では,関数の代わりに形状を近似する新しい機械学習手法であるPolyra Swarmsを提案する。
本手法は, バイアスが極めて少ない汎用学習を可能にする。
特に,タスクによっては,特に異常検出などのタスクに対して,Polyra Swarmsの方がニューラルネットワークよりも望ましいことを示す。
さらに、Polyra Swarmの複雑さを大幅に単純化する自動抽象化機構を導入し、その一般化と透明性を両立させる。
Polyra Swarmsはニューラルネットワークとは根本的に異なる原理で運用されているため、異なる強度と制限を持った新たな研究方向を開くことができる。
関連論文リスト
- Training a Generally Curious Agent [86.84089201249104]
Paprikaは、言語モデルが一般的な意思決定機能を開発することを可能にする微調整のアプローチである。
Paprika氏は、より勾配の更新をすることなく、コンテキスト内の環境フィードバックに基づいて、新しいタスクで彼らの振る舞いを探索し、適応するようにモデルに教えている。
結果は、シーケンシャルな意思決定問題を自律的に解決できるAIシステムへの有望な道のりを示唆している。
論文 参考訳（メタデータ） (2025-02-24T18:56:58Z) - nn2poly: An R Package for Converting Neural Networks into Interpretable Polynomials [1.86413150130483]
nn2polyパッケージは、ニューラルネットワークの説明と解釈を行うNN2メソッドのRの実装を提供する。
このパッケージは、Rの主要なディープラーニングフレームワークパッケージとの統合を提供する。
他のニューラルネットワークパッケージも、その重みをリスト形式に含めることで使用できる。
論文 参考訳（メタデータ） (2024-06-03T17:59:30Z) - HyperPPO: A scalable method for finding small policies for robotic
control [14.789594427174052]
HyperPPOは、複数のニューラルネットワークの重みを同時に推定する、政治上の強化学習アルゴリズムである。
提案手法は,高パフォーマンスなポリシーを符号化していない一般用ネットワークよりもはるかに小さいネットワークの重みを推定する。
我々は、HyperPPOが見積もる神経政策が、Crazyflie2.1のクアドローターを分散制御できることを示した。
論文 参考訳（メタデータ） (2023-09-28T17:58:26Z) - The Clock and the Pizza: Two Stories in Mechanistic Explanation of
Neural Networks [59.26515696183751]
ニューラルネットワークにおけるアルゴリズム発見は、時としてより複雑であることを示す。
単純な学習問題でさえ、驚くほど多様なソリューションを許容できることが示されています。
論文 参考訳（メタデータ） (2023-06-30T17:59:13Z) - Efficiently Learning Small Policies for Locomotion and Manipulation [12.340412143459869]
グラフハイパーネットワークを活用して、非政治強化学習で訓練されたグラフハイパーポリシーを学習する。
本手法は,任意の非政治強化学習アルゴリズムに付加可能であることを示す。
パラメータ数に対する制約を考慮し,最適なアーキテクチャを選択する方法を提案する。
論文 参考訳（メタデータ） (2022-09-30T23:49:00Z) - Efficient Model-Based Multi-Agent Mean-Field Reinforcement Learning [89.31889875864599]
マルチエージェントシステムにおける学習に有効なモデルベース強化学習アルゴリズムを提案する。
我々の理論的な貢献は、MFCのモデルベース強化学習における最初の一般的な後悔の限界である。
コア最適化問題の実用的なパラメトリゼーションを提供する。
論文 参考訳（メタデータ） (2021-07-08T18:01:02Z) - Ladder Polynomial Neural Networks [6.902168821854859]
多項式関数は有用な解析的性質を多数持っているが、それらの関数クラスは制限されていると考えられるため、学習モデルとして使われることは滅多にない。
この研究は積の活性化を利用してフィードフォワードニューラルネットワークを構築し、乗算から構築された新しい活性化関数である。
論文 参考訳（メタデータ） (2021-06-25T18:16:48Z) - Composable Learning with Sparse Kernel Representations [110.19179439773578]
再生カーネルヒルベルト空間におけるスパース非パラメトリック制御系を学習するための強化学習アルゴリズムを提案する。
正規化アドバンテージ関数を通じてステートアクション関数の構造を付与することにより、このアプローチのサンプル複雑さを改善します。
2次元環境下を走行しながらレーザースキャナーを搭載したロボットの複数シミュレーションにおける障害物回避政策の学習に関するアルゴリズムの性能を実証する。
論文 参考訳（メタデータ） (2021-03-26T13:58:23Z) - Deep Polynomial Neural Networks [77.70761658507507]
$Pi$Netsは拡張に基づいた関数近似の新しいクラスである。
$Pi$Netsは、画像生成、顔検証、および3Dメッシュ表現学習という3つの困難なタスクで、最先端の結果を生成する。
論文 参考訳（メタデータ） (2020-06-20T16:23:32Z)
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。