cond-mat.dis-nn」カテゴリーアーカイブ

Exact full-RSB SAT/UNSAT transition in infinitely wide two-layer neural networks

要約 2つのクラスの連続非凸重量モデルを使用して、ランダムパターンラベル関連を保 … 続きを読む

カテゴリー: cond-mat.dis-nn, cs.LG, math.PR | コメントする

Optimal generalisation and learning transition in extensive-width shallow neural networks near interpolation

要約 幅$ k $と入力寸法$ d $が大きく比例している完全に訓練された2層ニ … 続きを読む

カテゴリー: cond-mat.dis-nn, cond-mat.stat-mech, cs.IT, cs.LG, math.IT, stat.ML | コメントする

Exploring the Energy Landscape of RBMs: Reciprocal Space Insights into Bosons, Hierarchical Learning and Symmetry Breaking

要約 深い生成モデルは、複雑な分布から学習してサンプリングする能力により、遍在し … 続きを読む

カテゴリー: cond-mat.dis-nn, cs.LG | コメントする

Communities in the Kuramoto Model: Dynamics and Detection via Path Signatures

要約 多変量動的プロセスの動作は、システムのコンポーネントを関連付ける基礎となる … 続きを読む

カテゴリー: cond-mat.dis-nn, cs.LG, nlin.AO, q-bio.NC, q-bio.QM, stat.ML | コメントする

Natural Quantization of Neural Networks

要約 ニューロンがキュービットに対応し、活性化関数が量子ゲートと測定を介して実装 … 続きを読む

カテゴリー: cond-mat.dis-nn, cs.LG, quant-ph | Natural Quantization of Neural Networks はコメントを受け付けていません

On the phase diagram of extensive-rank symmetric matrix denoising beyond rotational invariance

要約 マトリックスの脱化は、信号処理と機械学習の中心です。 推測するマトリックス … 続きを読む

カテゴリー: cond-mat.dis-nn, cs.IT, cs.LG, math.IT | On the phase diagram of extensive-rank symmetric matrix denoising beyond rotational invariance はコメントを受け付けていません

When Can You Get Away with Low Memory Adam?

要約 Adamは、最新の機械学習モデルをトレーニングするためのオプティマイザーで … 続きを読む

カテゴリー: cond-mat.dis-nn, cs.LG, stat.ML | When Can You Get Away with Low Memory Adam? はコメントを受け付けていません

Dynamical Decoupling of Generalization and Overfitting in Large Two-Layer Networks

要約 大規模な機械学習モデルの帰納的バイアスと一般化特性は、トレーニングに使用さ … 続きを読む

カテゴリー: cond-mat.dis-nn, cs.LG, stat.ML | Dynamical Decoupling of Generalization and Overfitting in Large Two-Layer Networks はコメントを受け付けていません

Formation of Representations in Neural Networks

要約 神経表現を理解することは、ニューラルネットワークのブラックボックスを開き、 … 続きを読む

カテゴリー: cond-mat.dis-nn, cs.LG | Formation of Representations in Neural Networks はコメントを受け付けていません

Stability-Aware Training of Machine Learning Force Fields with Differentiable Boltzmann Estimators

要約 機械学習力フィールド(MLFF)は、分子動力学(MD)シミュレーションのた … 続きを読む

カテゴリー: cond-mat.dis-nn, cond-mat.mtrl-sci, cs.LG, physics.chem-ph, physics.comp-ph | Stability-Aware Training of Machine Learning Force Fields with Differentiable Boltzmann Estimators はコメントを受け付けていません