nlin.CD」カテゴリーアーカイブ

Do LLMs trust AI regulation? Emerging behaviour of game-theoretic LLM agents

要約 信頼できるAIシステムの採用を促進するためには、AI開発エコシステム内で信 … 続きを読む

カテゴリー: cs.AI, cs.CY, cs.GT, nlin.CD | コメントする

Topological Approach for Data Assimilation

要約 多くの動的システムは、高忠実度の物理ベースのモデルを使用してモデル化するこ … 続きを読む

カテゴリー: cs.LG, math.AT, nlin.CD | コメントする

The Work Capacity of Channels with Memory: Maximum Extractable Work in Percept-Action Loops

要約 将来の観察を予測することは、機械学習、生物学、経済学、および他の多くの分野 … 続きを読む

カテゴリー: cond-mat.stat-mech, cs.IT, cs.LG, math.IT, nlin.AO, nlin.CD, quant-ph | コメントする

Master Stability Functions in Complex Networks

要約 同期は、自然界および設計されたシステムにおける緊急で基本的な現象です。 同 … 続きを読む

カテゴリー: cs.AI, nlin.AO, nlin.CD | Master Stability Functions in Complex Networks はコメントを受け付けていません

Machine Learning for Predicting Chaotic Systems

要約 混oticとした動的システムの予測は、天気予報など、多くの科学的分野で重要 … 続きを読む

カテゴリー: cs.LG, nlin.CD | Machine Learning for Predicting Chaotic Systems はコメントを受け付けていません

An Analysis Framework for Understanding Deep Neural Networks Based on Network Dynamics

要約 人工知能を進めるには、深い学習の根底にあるメカニズムのより深い理解が必要で … 続きを読む

カテゴリー: cs.LG, nlin.CD, stat.ML | An Analysis Framework for Understanding Deep Neural Networks Based on Network Dynamics はコメントを受け付けていません

Tailored Forecasting from Short Time Series via Meta-learning

要約 機械学習(ML)モデルは、時シリーズデータから未知のシステムのダイナミクス … 続きを読む

カテゴリー: cs.LG, nlin.CD, physics.comp-ph | Tailored Forecasting from Short Time Series via Meta-learning はコメントを受け付けていません

Sparse chaos in cortical circuits

要約 脳内の情報の流れの通貨である神経インパルスは、神経膜電位ダイナミクスの不安 … 続きを読む

カテゴリー: cond-mat.dis-nn, cs.LG, nlin.CD, q-bio.NC | Sparse chaos in cortical circuits はコメントを受け付けていません

Controlling dynamical systems into unseen target states using machine learning

要約 我々は、複雑な力学システムをこれまで見たことのない目標状態(大きく異なる複 … 続きを読む

カテゴリー: cs.LG, cs.SY, eess.SY, nlin.CD | Controlling dynamical systems into unseen target states using machine learning はコメントを受け付けていません

Reconstructing dynamics from sparse observations with no training on target system

要約 アプリケーションでは、対象となるシステムがこれまでに遭遇したことがなく、ま … 続きを読む

カテゴリー: cs.LG, nlin.CD, physics.data-an | Reconstructing dynamics from sparse observations with no training on target system はコメントを受け付けていません