論文の概要: Hypercubes, Hyperplanes, and Constraint-Induced Complexity Collapse in Atomic Concept Learning
- arxiv url: http://arxiv.org/abs/2608.02930v1
- Date: Mon, 03 Aug 2026 22:31:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-05 15:30:22.955083
- Title: Hypercubes, Hyperplanes, and Constraint-Induced Complexity Collapse in Atomic Concept Learning
- Title（参考訳）: 原子概念学習におけるハイパーキューブ, ハイパープレーン, 制約による複雑度崩壊
- Abstract要約: 我々は、高純度原子概念の学習を、超キューブや超平面の幾何学を通して再考する。
我々の出発点は、基底原子の周囲のr-次元ハイパーキューブが構造的に一様でないという観測である。
この非対称性は単に幾何学的なものではなく、概念自体の還元理論構造を反映している。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We revisit higher-arity atomic concept learning through the geometry of hypercubes and hyperplanes of ground instances. Our starting point is the observation that the ambient r-dimensional hypercube of ground atoms is not structurally uniform. Its logical complexity is organized by hyperplanes: every hyperplane other than the full diagonal collapses into finitely many elementary-equivalence classes, with a bound independent of the term depth, while the full diagonal is exceptional and its class count grows without bound. This asymmetry is not merely geometric. It reflects the reduction-theoretic structure of the concepts themselves. Building on a higher-dimensional framework developed in the author's earlier work, we reinterpret these results through canonical simple concepts, minimal orderings, and representative reductions. This yields a taxonomy of hyperplane behavior in higher dimensions and shows that complexity is localized rather than spread uniformly through the instance space. The paper includes a fully worked binary case, an explicit treatment of the ternary hypercube, and an unpacked account of the reduction machinery that drives the collapse. The three-dimensional case already exhibits the essential phenomenon of orthogonal families, partial diagonals, and the exceptional full diagonal. This geometric-logical perspective clarifies where complexity is concentrated in atomic concept learning and suggests a modern interpretation in terms of constrained hypothesis spaces and structured classification.
- Abstract（参考訳）: 我々は、高純度原子概念の学習を、超キューブや超平面の幾何学を通して再考する。
我々の出発点は、基底原子の周囲のr-次元ハイパーキューブが構造的に一様でないという観測である。
完全な対角線以外のすべての超平面は有限個の基本同値類に崩壊し、その境界は項の深さに依存しないが、完全な対角線は例外であり、そのクラス数は有界に成長する。
この非対称性は単なる幾何学的ではない。
これは概念自体の還元-理論構造を反映している。
著者の初期の研究で開発された高次元のフレームワークに基づいて、これらの結果を標準的単純概念、最小順序付け、代表還元を通じて再解釈する。
これにより、高次元における超平面の挙動の分類が得られ、複雑性がインスタンス空間を通して一様に広がるのではなく、局所化されることが示される。
本論文は, 完全作動二分体, 3次ハイパーキューブの明示的治療, 崩壊を駆動する減速機構の未充填の説明を含む。
3次元の症例は、既に直交族、部分対角線、および例外的全対角線の本質的な現象を呈している。
この幾何学的視点は、複雑性が原子概念学習に集中している場所を明らかにし、制約された仮説空間と構造化された分類の観点から現代的な解釈を提案する。
関連論文リスト
- Flag Varieties: A Geometric Framework for Deep Network Alignment [1.4273866043218153]
アライメント、ディープ・ネットワークにおける隣接する重み行列の傾向は、互換性のある部分空間配向、勾配流の地下化、ニューラル・コラプス、アーキテクチャ間の表現類似性を発達させる。
我々はアライメント幾何がフラッグ多様体によって与えられる正準閉多安定層を持つことを証明した。
本稿では,1次原理からのニューラル崩壊におけるレベル2/3階層を,ポストホック解析ではなく,幾何学的に説明する。
論文 参考訳（メタデータ） (2026-05-11T01:46:17Z) - The Geometric Part of Decoherence: Quasi-Orthogonality in High-Dimensional Hilbert Spaces [0.0]
高次元ヒルベルト空間では、ほぼ全ての状態ベクトルはほぼ解釈可能であり、互いに準直交する環境記録の指数的に大きな貯水池を収容する。
この幾何学は、そのようなレコードが集まると、なぜマクロ的な代替が可視的な干渉を示さないのかを説明する。
議論は条件付きで有限次元であり、量子力学の核は触れられていない。
論文 参考訳（メタデータ） (2026-05-05T14:31:58Z) - Hyperbolic Enhanced Representation Learning for Incomplete Multi-view Clustering [57.38215918201251]
本稿では,不完全なマルチビュークラスタリングのためのハイパーボリック拡張表現学習フレームワークであるHERLを提案する。
ポアンカレボール内で操作すると、HERLは表現学習を強化するために構造を意識した潜在空間を構築する。
HERLは最先端のアプローチよりも一貫して優れていることを示す。
論文 参考訳（メタデータ） (2026-04-18T10:50:46Z) - The Geometric Price of Discrete Logic: Context-driven Manifold Dynamics of Number Representations [6.414826816896125]
大規模言語モデル(LLM)は連続的な意味空間をスムーズに一般化するが、厳密な論理的推論は決定境界の形成を要求する。
我々は、タスクコンテキストが、必要な「トポロジ的歪み」を強制する非等方的力学演算子として機能すると主張している。
この幾何学的進化は、単純な写像から複雑な原始性テストまで、タスクの勾配を越えて検証する。
論文 参考訳（メタデータ） (2026-03-24T13:41:57Z) - A Hyperbolic Perspective on Hierarchical Structure in Object-Centric Scene Representations [58.143688187023734]
双曲空間のローレンツ双曲体にユークリッドスロット埋め込みを投影する簡単なパイプラインを提案する。
スロットアテンションマスクから直接5段階の視覚階層を構築する。
双曲的プロジェクションは、一貫したシーンレベルをオブジェクトレベル組織に公開する。
論文 参考訳（メタデータ） (2026-03-14T16:53:59Z) - Sparsity is Combinatorial Depth: Quantifying MoE Expressivity via Tropical Geometry [21.251058776601553]
熱帯幾何レンズを用いたMoEの最初の解析を行った。
我々のフレームワークは、ハイパーックスの離散幾何学とニューラル関数の連続幾何学を統一する。
論文 参考訳（メタデータ） (2026-02-03T07:17:38Z) - Random-Matrix-Induced Simplicity Bias in Over-parameterized Variational Quantum Circuits [72.0643009153473]
本稿では,観測可能な期待値とパラメータ勾配の両方がシステムサイズに指数関数的に集中するHaar型普遍性クラスに,表現的変分アンサーゼが入ることを示す。
その結果、そのような回路によって誘導される仮説クラスは、近点関数の狭い族に高い確率で崩壊する。
テンソル-ネットワークベースおよびテンソル-ハイパーネットワークパラメータ化を含むテンソル構造VQCは、ハール型普遍性クラスの外にある。
論文 参考訳（メタデータ） (2026-01-05T08:04:33Z) - Deep sequence models tend to memorize geometrically; it is unclear why [42.53849315139079]
このような幾何学の台頭は、単なる局所的な関係を最適化するにも拘わらず、典型的な建築的あるいは最適化的な圧力による直接の帰結はあり得ない、と我々は論じる。
我々は、この幾何学が(一般的な理論とは対照的に)様々な圧力の欠如にもかかわらず自然に現れるスペクトルバイアスに由来することを実証する。
論文 参考訳（メタデータ） (2025-10-30T17:40:22Z) - Understanding and Mitigating Hyperbolic Dimensional Collapse in Graph Contrastive Learning [70.0681902472251]
双曲空間における高品質グラフ埋め込みを学習するための新しいコントラスト学習フレームワークを提案する。
具体的には、階層的なデータ不変情報を効果的にキャプチャするアライメントメトリックを設計する。
双曲空間において、木の性質に関連する葉と高さの均一性に対処する必要があることを示す。
論文 参考訳（メタデータ） (2023-10-27T15:31:42Z) - Implications of sparsity and high triangle density for graph
representation learning [67.98498239263549]
近年の研究では、多くの三角形を含むスパースグラフは、ノードの有限次元表現を用いて再現できないことが示されている。
ここでは、ノード表現が低次元多様体上にある無限次元内積モデルを用いてそのようなグラフを再現できることを示す。
論文 参考訳（メタデータ） (2022-10-27T09:15:15Z) - Geometry Interaction Knowledge Graph Embeddings [153.69745042757066]
ユークリッド空間,双曲空間,超球空間間の空間構造を対話的に学習する幾何学的相互作用知識グラフ埋め込み(GIE)を提案する。
提案したGIEは、よりリッチなリレーショナル情報、モデルキー推論パターンをキャプチャし、エンティティ間の表現的セマンティックマッチングを可能にする。
論文 参考訳（メタデータ） (2022-06-24T08:33:43Z)
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。