Fugu-MT 論文翻訳(概要): Way More Than the Sum of Their Parts: From Statistical to Structural Mixtures

論文の概要: Way More Than the Sum of Their Parts: From Statistical to Structural Mixtures

arxiv url: http://arxiv.org/abs/2507.07343v1
Date: Thu, 10 Jul 2025 00:01:53 GMT
ステータス: 翻訳完了
システム内更新日: 2025-07-11 16:40:15.234634
Title: Way More Than the Sum of Their Parts: From Statistical to Structural Mixtures
Title（参考訳）: 部品の総和を超えるもの:統計学から構造学へ
Authors: James P. Crutchfield,
Abstract要約: 多成分系からなる混合体は通常、それらの部分の和よりもはるかに構造的に複雑であることを示す。これとは対照的に、統計的混合のより精通した概念は、統計的混合が創発的な階層的組織の重要な側面を欠いていることを示すものである。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We show that mixtures comprised of multicomponent systems typically are much more structurally complex than the sum of their parts; sometimes, infinitely more complex. We contrast this with the more familiar notion of statistical mixtures, demonstrating how statistical mixtures miss key aspects of emergent hierarchical organization. This leads us to identify a new kind of structural complexity inherent in multicomponent systems and to draw out broad consequences for system ergodicity.
Abstract（参考訳）: 多成分系からなる混合は、通常、それらの部分の和よりもはるかに構造的に複雑であり、時には無限に複雑である。これとは対照的に、統計的混合のより精通した概念は、統計的混合が創発的な階層的組織の重要な側面を欠いていることを示すものである。これにより、マルチコンポーネントシステムに固有の新しいタイプの構造的複雑性を特定し、システムのエルゴード性に対する広範な結果を引き出すことができる。

関連論文リスト

Average Spread Complexity and the Higher-Order Level Spacing [0.0]
大規模システムの汎用2レベルサブシステムの拡散複雑性について検討する。我々はカオスと積分可能なシステムを比較し、量子カオスの普遍的な診断として複雑性を使用する際の制限を強調した。
論文参考訳（メタデータ） (2025-04-19T17:38:11Z)
Multi-scale structural complexity as a quantitative measure of visual complexity [1.3499500088995464]
マルチスケール構造複雑性尺度(MSSC)は,物体の構造的複雑性を,その階層構造における異なるスケール間の相違点の量として定義する手法である。我々は、MSSCが他の計算複雑性尺度と同等の主観的複雑性と相関し、より直感的であり、画像のカテゴリ間で一貫性があり、計算が容易であることを示した。
論文参考訳（メタデータ） (2024-08-07T20:26:35Z)
ComboStoc: Combinatorial Stochasticity for Diffusion Generative Models [65.82630283336051]
拡散生成モデルの既存のトレーニングスキームにより,次元と属性の組み合わせによって区切られた空間が十分に標本化されていないことを示す。構造を完全に活用するプロセスを構築し,ComboStocという名前でこの問題に対処する。
論文参考訳（メタデータ） (2024-05-22T15:23:10Z)
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)
Discovering modular solutions that generalize compositionally [55.46688816816882]
実演から純粋に線形変換までを識別することは、指数関数的な数の加群の組み合わせを学習することなく可能であることを示す。さらに, 有限データからのメタラーニングにより, 多くの複雑な環境において, 構成を一般化するモジュラーポリシが発見可能であることを実証的に実証した。
論文参考訳（メタデータ） (2023-12-22T16:33:50Z)
PowMix: A Versatile Regularizer for Multimodal Sentiment Analysis [71.8946280170493]
本稿では,単相混合型正規化手法の強みを生かした汎用な埋め込み空間正規化器であるPowMixを紹介する。 PowMixはマルチモーダルアーキテクチャの融合段階の前に統合され、テキストとテキストを混合するなどのモダル内混合を容易にし、レギュレータとして機能する。
論文参考訳（メタデータ） (2023-12-19T17:01:58Z)
SC-MAD: Mixtures of Higher-order Networks for Data Augmentation [36.33265644447091]
単純複体は、グラフニューラルネットワーク(GNN)の単純複体モデルへの一般化にインスピレーションを与えた。本稿では, 線形および非線形混合機構による単純錯体のデータ増大について述べる。理論的には、合成単純錯体は、同型密度に関して、既存のデータ間で相互に相互作用することを示した。
論文参考訳（メタデータ） (2023-09-14T06:25:39Z)
Learning to Decouple Complex Systems [11.674072457685007]
本研究では,不規則なサンプルや散逸した逐次観測を扱うための逐次学習手法を提案する。我々は、単純体の中で進化するメタシステムは射影微分方程式(ProjDEs)によって支配されると主張する。
論文参考訳（メタデータ） (2023-02-03T07:24:58Z)
A Closer Look at Branch Classifiers of Multi-exit Architectures [103.27533521196817]
一定の複雑さのブランチはすべてのブランチを同じに保ちますが、複雑性の増大と複雑性の低下は、それぞれバックボーンの遅かれ早かれ複雑なブランチを配置します。知識の整合性を利用して,背骨に枝を追加する効果を探索する。以上の結果から,複雑性が増大する分岐は,背骨の特徴的抽象的階層を最小限に破壊することが明らかとなった。
論文参考訳（メタデータ） (2022-04-28T08:37:25Z)

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。