文献

J-GLOBAL ID：202202277115803770   整理番号：22A0416337

AIの将来:内部ベクトルから単純なオブジェクト状態部分空間マップへ【JST・京大機械翻訳】

AI Future: From Internal Vectors to Simple Objects States Subspaces Maps

著者 (1件)： Smolin Vladimir (Keldysh Institute of Applied Mathematics RAS, Moscow, Russia)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 13154  ページ： 239-249  発行年： 2022年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： バックプロパゲーション誤差(BPE)形式における勾配降下アイデアは,いくつかの付加的アルゴリズム開発によって,ニューラルネットワークの深い学習を実現して,機械学習における革命に導いた。巨大な学習パラメータ数は,ベクトル記述で離散概念を置き換えることを可能にした。勾配降下よりそれほど顕著でないいくつかの他のアイデアがある。メモリ局在化,複雑なオブジェクトの分解,および変換線形化のような。内部ベクトルから簡単な物体の地図への移行を,これらのアイデアを実装できるニューラルネットワークアルゴリズム開発の有望な方向として考察した。深い学習が新しいアイデアなしで対処できないいくつかの問題を克服するために,状態部分空間マップにより可能と思われる。相互作用マップ階層構造を構築するための一般的計画を考察し,Kahnemanに従って,システム1および2モードで動作することができた。ニューラルネットワークマップを用いた線形近似実装のための数学的アイデアを与えた。一般的な計画の他の側面も予備的に取り出されたが,アルゴリズムの改善,それらの収束の安定性を確実にし,モデリングによってその性能を確認するために,かなりの量の仕事が残されている。それは時間と資金を取り入れる。それにもかかわらず,他のアイデア実装のそれぞれの成功は,局在化,分解,および線形化がAIの開発の進展につながり,深層ニューラルネットワーク訓練への勾配降下アイデアの導入に匹敵し,機械学習における革命を引き起こした。Copyright Springer Nature Switzerland AG 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  記憶装置 ,  相互作用 ,  *ベクトル ,  学習 ,  ニューラルネットワーク ,  階層構造 ,  逆伝搬法 ,  機械学習
準シソーラス用語： 線形近似 ,  *部分空間 ,  局在化 ,  線形化 ,  アルゴリズム開発 ,  ディープニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： ニューラルネットワーク ,  マッピング ,  分解 ,  位置決め ,  線形化

分類 (2件)： 人工知能  (JE08000Z) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (5件)： AI ,  ベクトル ,  オブジェクト ,  部分空間 ,  マップ