Fugu-MT 論文翻訳(概要): $p$-adic Manifold Learning and Benchmark Tasks from Impartial Games

論文の概要: $p$-adic Manifold Learning and Benchmark Tasks from Impartial Games

arxiv url: http://arxiv.org/abs/2605.04374v1
Date: Wed, 06 May 2026 00:49:52 GMT
ステータス: 翻訳完了
システム内更新日: 2026-05-07 18:41:07.587759
Title: $p$-adic Manifold Learning and Benchmark Tasks from Impartial Games
Title（参考訳）: $p$-adic Manifold Learning and Benchmark Tasks from Impartial Games
Authors: Tomoki Mihara,
Abstract要約: 我々は、$p$-adic manifold learningを導入し、それを解くアルゴリズムを提案し、公平なゲームからベンチマークタスクを提案する。また,公平なゲームからベンチマークタスクを提案する。
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 introduce $p$-adic manifold learning, propose an algorithm to solve it, and propose benchmark tasks from impartial games.
Abstract（参考訳）: 我々は、$p$-adic manifold learningを導入し、それを解くアルゴリズムを提案し、公平なゲームからベンチマークタスクを提案する。

関連論文リスト

Learning to Play Against Unknown Opponents [9.346742321348366]
本研究では,学習エージェントが非学習に制約されない場合に,最適な学習アルゴリズムを効率的に構築する方法を示す。これらの結果は、最近開発された機械を用いて、学習アルゴリズムの分析をメニューとして知られる幾何学的対象のクラスに変換する。
論文参考訳（メタデータ） (2024-12-24T09:05:06Z)
Deep Learning Methods for S Shaped Utility Maximisation with a Random Reference Point [0.0]
深層学習法と双対解法を用いて問題を解くための数値解法を開発した。深層学習法を用いて、原始問題と双対問題の両方に対して関連するハミルトン・ヤコビ・ベルマン方程式を解く。完全市場と不完全市場の両方において、この非凹凸問題の解を、ベンチマークに依存するランダム関数である定式化ユーティリティの解と比較する。
論文参考訳（メタデータ） (2024-10-07T22:07:59Z)
Diffusion Map Autoencoder [0.0]
DMAEは拡散マップエンコーダと線形またはRBFガウス・プロシーゼの潜在平均デコーダをペアリングし、閉形式帰納写像と強い再構成を生成する。
論文参考訳（メタデータ） (2024-09-05T20:45:44Z)
Neural Active Learning Beyond Bandits [69.99592173038903]
ストリームベースとプールベースの両方のアクティブラーニングをニューラルネットワーク近似を用いて検討する。ストリームベースおよびプールベースアクティブラーニングのためのニューラルネットワークを新たに設計したエクスプロイトと探索に基づく2つのアルゴリズムを提案する。
論文参考訳（メタデータ） (2024-04-18T21:52:14Z)
Matching Pursuit Based Scheduling for Over-the-Air Federated Learning [67.59503935237676]
本稿では,フェデレートラーニング手法を用いて,オーバー・ザ・エアラーニングのための低複雑さデバイススケジューリングアルゴリズムのクラスを開発する。最先端の提案方式と比較すると,提案方式は極めて低効率なシステムである。提案手法の有効性は,CIFARデータセットを用いた実験により確認した。
論文参考訳（メタデータ） (2022-06-14T08:14:14Z)
Anti-Concentrated Confidence Bonuses for Scalable Exploration [57.91943847134011]
固有の報酬は、探検と探検のトレードオフを扱う上で中心的な役割を果たす。楕円ボーナスを効率的に近似するためのエンファンティ集中型信頼境界を導入する。我々は,Atariベンチマーク上での現代固有の報酬と競合する,深層強化学習のための実用的な変種を開発する。
論文参考訳（メタデータ） (2021-10-21T15:25:15Z)
Fast constraint satisfaction problem and learning-based algorithm for solving Minesweeper [0.0]
現在の作品は、このゲームを制約満足問題(CSP)とマルコフ決定プロセス(MDP)としてモデル化します。 CSP ベースの Minesweeper ゲームのすべての解を高速に列挙するために、決定論的解探索 (DSScsp) を用いて独立集合から従属として命名された新しい方法を提案する。また,Minesweeperゲームにおいて,改良された深層Q-ラーニングを精度良く,多目的学習に応用するための新たな報奨手法を提案する。
論文参考訳（メタデータ） (2021-05-10T05:27:15Z)
The Complexity of Adversarially Robust Proper Learning of Halfspaces with Agnostic Noise [67.27523616312428]
分布非依存型PACモデルにおけるハーフスペースの逆強正則学習の計算複雑性について検討する。この問題に対して,計算効率のよい学習アルゴリズムとほぼ一致する計算硬度結果を与える。
論文参考訳（メタデータ） (2020-07-30T04:18:51Z)
Meta-learning with Stochastic Linear Bandits [120.43000970418939]
我々は、よく知られたOFULアルゴリズムの正規化バージョンを実装するバンディットアルゴリズムのクラスを考える。我々は,タスク数の増加とタスク分散の分散が小さくなると,タスクを個別に学習する上で,我々の戦略が大きな優位性を持つことを理論的および実験的に示す。
論文参考訳（メタデータ） (2020-05-18T08:41:39Z)
Stochastic Flows and Geometric Optimization on the Orthogonal Group [52.50121190744979]
直交群 $O(d)$ 上の幾何駆動最適化アルゴリズムの新しいクラスを示す。提案手法は,深層,畳み込み,反復的なニューラルネットワーク,強化学習,フロー,メトリック学習など,機械学習のさまざまな分野に適用可能であることを示す。
論文参考訳（メタデータ） (2020-03-30T15:37:50Z)

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。