論文の概要: The Architect: Interactive Visualization of Deep Learning Mathematics Directly in Microsoft Excel

• arxiv url: http://arxiv.org/abs/2608.13572v1
• Date: Fri, 03 Jul 2026 08:15:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:55.201617
• Title: The Architect: Interactive Visualization of Deep Learning Mathematics Directly in Microsoft Excel
• Title（参考訳）: アーキテクト:Microsoft Excelから直接ディープラーニング数学をインタラクティブに可視化する
• Abstract要約: アーキテクトはMicrosoft Excelをディープラーニング数学のインタラクティブなビューに変える。 ユーザーは、コンパクトなテーブルでニューラルネットワークを記述する。システムは次にワークブックを生成し、フルフォワードパスと要求された場合、後方パスとパラメータ更新を表示する。
• 参考スコア（独自算出の注目度）: 2.0411082897313984
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present The Architect, a system that turns Microsoft Excel into an interactive view of deep learning mathematics. A user describes a neural network in a compact table. The system then generates a workbook that shows the full forward pass and, when requested, the backward pass and parameter updates. Computed values appear as live spreadsheet formulas, while user-controlled values such as inputs, weights, labels, and hyperparameters remain editable. Excel reactively updates the dependent computations through its recalculation engine. Most deep learning tools hide the numerical details behind library calls. Many visualization tools show architecture diagrams or training summaries, but they do not expose the full arithmetic of the model. The Architect focuses on that missing middle layer. It makes matrices, activations, losses, gradients, and updates visible as inspectable spreadsheet regions, with editable controls for values users naturally manipulate. The system also produces aligned PyTorch snippets, which helps users connect formulas to implementation. This report describes the motivation, design, implementation, and use cases of The Architect. We show how the system supports introductory arithmetic tracing, learning-rate exploration, diagnosis of dying ReLU, and inspection of vanishing gradients. The main idea is simple: spreadsheets already support formulas, direct editing, reactive recomputation, and tabular layout. These properties make them a useful medium for understanding how small educational and diagnostic neural networks compute.
• Abstract（参考訳）: 私たちは、Microsoft Excelをディープラーニング数学のインタラクティブなビューに変換するシステムThe Architectを紹介します。 ユーザーは、コンパクトなテーブルでニューラルネットワークを記述する。 その後、システムはワークブックを生成し、フルフォワードパスを表示し、リクエストされた場合、後方パスとパラメータ更新を表示する。 計算値はライブのスプレッドシート公式として現れるが、入力、重み、ラベル、ハイパーパラメータといったユーザ制御された値は編集可能である。 Excelは、その再計算エンジンを通じて依存する計算をリアクティブに更新する。 ほとんどのディープラーニングツールは、ライブラリ呼び出しの背後にある数値的な詳細を隠している。 多くの可視化ツールはアーキテクチャ図を示し、要約を訓練するが、モデルの完全な算術を公開しない。 アーキテクトは、その欠落した中間層に焦点を当てます。 行列、アクティベーション、損失、勾配、更新を検査可能なスプレッドシート領域として表示し、ユーザーが自然に操作する値の編集可能なコントロールを提供する。 また、PyTorchスニペットも作成され、ユーザーが公式を実装に接続するのに役立つ。 この記事では、The Architectの動機、設計、実装、ユースケースについて説明する。 本稿では,導入算術的トレーシング,学習速度探索,死亡するReLUの診断,消滅する勾配の検査をサポートするシステムについて述べる。 スプレッドシートはすでに公式、直接編集、リアクティブ再計算、タブレイアウトをサポートしている。 これらの特性は、小さな教育と診断のニューラルネットワークがどのように計算されるかを理解するのに有用な媒体となる。

関連論文リスト

• SheetBrain: A Neuro-Symbolic Agent for Accurate Reasoning over Complex and Large Spreadsheets [37.47629183214491]
  SheetBrainは、スプレッドシート上の推論のための神経シンボリックな二重エージェントフレームワークである。 スプレッドシートの質問応答と操作タスクの両方をサポートする。 SheetBenchは、大規模で、マルチテーブルで、構造的に複雑なスプレッドシートをターゲットにした、新しいベンチマークである。
  論文  参考訳（メタデータ） (2025-10-22T05:09:44Z)
• Table Foundation Models: on knowledge pre-training for tabular learning [47.485516405457595]
  TARTEは、文字列を使ってテーブルを知識に富んだベクトル表現に変換する基礎モデルである。 大規模なリレーショナルデータに基づいて事前トレーニングされたTARTEは、後続の学習を容易にする表現を、ほとんど追加コストなしで提供する。
  論文  参考訳（メタデータ） (2025-05-20T14:27:51Z)
• RefChartQA: Grounding Visual Answer on Chart Images through Instruction Tuning [63.599057862999]
  RefChartQAは、Chart Question Answering(ChartQA)とビジュアルグラウンドを統合した、新しいベンチマークである。 実験により,グラウンド化による空間認識を取り入れることで,応答精度が15%以上向上することが実証された。
  論文  参考訳（メタデータ） (2025-03-29T15:50:08Z)
• Auto-Formula: Recommend Formulas in Spreadsheets using Contrastive Learning for Table Representations [36.2969566996675]
  我々は,ユーザがターゲットのスプレッドシートセルで書きたい公式を正確に予測するオートフォーミュラシステムを開発した。 コンピュータビジョンの「類似顔認識」にインスパイアされたコントラスト学習技術を用いている。
  論文  参考訳（メタデータ） (2024-04-19T03:28:18Z)
• Neural Circuit Diagrams: Robust Diagrams for the Communication, Implementation, and Analysis of Deep Learning Architectures [0.0]
  ディープラーニングアーキテクチャを通信するニーズに合わせたグラフィカルな言語であるニューラル・サーキット・ダイアグラムを紹介します。 それらの構成構造はコードと類似しており、図と実装の密接な対応を作る。 数学的洞察を提供し、アルゴリズムの時間と空間の複雑さを分析する上で、それらの有用性を示します。
  論文  参考訳（メタデータ） (2024-02-08T05:42:13Z)
• Relational Deep Learning: Graph Representation Learning on Relational Databases [69.7008152388055]
  複数のテーブルにまたがって配置されたデータを学ぶために、エンドツーエンドの表現アプローチを導入する。 メッセージパッシンググラフニューラルネットワークは、自動的にグラフを学習して、すべてのデータ入力を活用する表現を抽出する。
  論文  参考訳（メタデータ） (2023-12-07T18:51:41Z)
• Graph Kernel Neural Networks [53.91024360329517]
  本稿では、グラフ上の内部積を計算するカーネル関数であるグラフカーネルを用いて、標準畳み込み演算子をグラフ領域に拡張することを提案する。 これにより、入力グラフの埋め込みを計算する必要のない完全に構造的なモデルを定義することができる。 私たちのアーキテクチャでは,任意の種類のグラフカーネルをプラグインすることが可能です。
  論文  参考訳（メタデータ） (2021-12-14T14:48:08Z)

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。