文献

J-GLOBAL ID：202202257729166622   整理番号：22A1048862

Hilbert級数,機械学習,物理学への応用【JST・京大機械翻訳】

Hilbert series, machine learning, and applications to physics

著者 (8件)： Bao Jiakang (Department of Mathematics, City, University of London, EC1V 0HB, UK) ,  He Yang-Hui (Department of Mathematics, City, University of London, EC1V 0HB, UK) ,  He Yang-Hui (Merton College, University of Oxford, OX1 4JD, UK) ,  He Yang-Hui (School of Physics, NanKai University, Tianjin, 300071, PR China) ,  Hirst Edward (Department of Mathematics, City, University of London, EC1V 0HB, UK) ,  Hofscheier Johannes (School of Mathematical Sciences, University of Nottingham, Nottingham, NG7 2RD, UK) ,  Kasprzyk Alexander (School of Mathematical Sciences, University of Nottingham, Nottingham, NG7 2RD, UK) ,  Majumder Suvajit (Department of Mathematics, City, University of London, EC1V 0HB, UK)
資料名： Physics Letters. B  (Physics Letters. B)
巻： 827  ページ： Null  発行年： 2022年 
JST資料番号： B0779A  ISSN： 0370-2693  CODEN： PYLBA  資料種別： 逐次刊行物 (A)
記事区分： 短報  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 簡単な機械学習法がHilbert系列(HS)から幾何学的特性をうまく予測する方法を述べた。回帰者は,射影空間における埋込み重みを1平均絶対誤差に予測し,一方,分類器は,約0.5%標準誤差で,次元とGorenstein指数を>90%精度に予測した。根底にあるHSが95%を超える高精度で完全な交差点を記述するかどうかを区別するために,バイナリランダムフォレスト分類器を管理した。ニューラルネットワーク(NN)は,Gorenstein環から同じ精度のHSを同定する成功を示し,一方,「偽」HSの生成は,考察した3次元Fano品種に関連するものと区別するNNに対して自明であった。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 交差点 ,  ニューラルネットワーク ,  品種 ,  三次元 ,  *機械学習
準シソーラス用語： 標準誤差 ,  高精度 ,  射影空間 ,  平均絶対誤差 , 【Automatic Indexing@JST】

分類 (2件)： 強い相互作用の模型  (BF02040W) ,  電磁場と統一ゲージ場  (BF02020A)

タイトルに関連する用語 (4件)： 級数 ,  機械学習 ,  物理学 ,  応用