一种机器学习与相变之间的新型映射(英文)
发布时间:2021-02-17 02:53
相变是一个重要的物理概念,它代表着从一个热力学状态到另一个热力学状态的转变.它在凝聚态物理、粒子物理、天体物理等物理领域有着广泛的应用.机器学习是研究通过经验自动改进的计算机算法.近年来,随着深入学习的成功,它也是一个非常活跃的研究领域.于是从视觉上证明了监督学习的训练过程与阶段过渡过程十分相似,有可能确定相变理论的核心概念,如对称性断裂或机器学习中的临界点.以MNIST数据集的伊辛模型和自动编码器为例,说明了机器学习训练过程中的"相变".这种介于机器学习和相变之间的新映射,为理解机器学习带来了新的方法,并使从物理角度解决机器学习问题成为可能.
【文章来源】:中国科学技术大学学报. 2020,50(01)北大核心
【文章页数】:11 页
【文章目录】:
0 Introduction
1 Basics of phase transition and the Ising model
1.1 Phase transition
1.2 The Ising model
2 Phase transition in Ising model
3 Phase transition in machine learning
3.1 Phase transition in the autoencoder
3.2 Reconstructing MNIST dataset
4 Conclusion
本文编号:3037307
【文章来源】:中国科学技术大学学报. 2020,50(01)北大核心
【文章页数】:11 页
【文章目录】:
0 Introduction
1 Basics of phase transition and the Ising model
1.1 Phase transition
1.2 The Ising model
2 Phase transition in Ising model
3 Phase transition in machine learning
3.1 Phase transition in the autoencoder
3.2 Reconstructing MNIST dataset
4 Conclusion
本文编号:3037307
本文链接:https://www.wllwen.com/kejilunwen/wulilw/3037307.html