MétaCan
Menu
Retour à la cohorte
Enregistrement W2529583158

Universal approximation results for the temporal restricted Boltzmann machine and the recurrent temporal restricted Boltzmann machine

2016· article· en· W2529583158 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueUVic’s Research and Learning Repository (University of Victoria) · 2016
Typearticle
Langueen
DomaineComputer Science
ThématiqueGenerative Adversarial Networks and Image Synthesis
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésBoltzmann machineRestricted Boltzmann machineBoltzmann constantBlock (permutation group theory)Computer scienceMarkov chainDeep belief networkMathematicsArtificial intelligenceAlgorithmTheoretical computer scienceDeep learningMachine learningCombinatoricsPhysics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The Restricted Boltzmann Machine (RBM) has proved to be a powerful tool in machine
\nlearning, both on its own and as the building block for Deep Belief Networks (multi-layer
\ngenerative graphical models). The RBM and Deep Belief Network have been shown to be
\nuniversal approximators for probability distributions on binary vectors. In this paper we
\nprove several similar universal approximation results for two variations of the Restricted
\nBoltzmann Machine with time dependence, the Temporal Restricted Boltzmann Machine
\n(TRBM) and the Recurrent Temporal Restricted Boltzmann Machine (RTRBM). We show
\nthat the TRBM is a universal approximator for Markov chains and generalize the theorem
\nto sequences with longer time dependence. We then prove that the RTRBM is a universal
\napproximator for stochastic processes with nite time dependence. We conclude with a
\ndiscussion on e ciency and how the constructions developed could explain some previous
\nexperimental results.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,825
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,001
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,023
Tête enseignante GPT0,250
Écart entre enseignants0,227 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle