会员服务
Machine Learning · Conformer · 学成 · Neural Networks · Networks ·
2022 年 1 月 23 日
Machine Learning Symmetry
翻译：机器学习对称
Shailesh Lal
Shailesh Lal
from arxiv, 6 pages + references, 3 figures. Contribution to Proceedings of the 2021 Nankai Symposium on Mathematical Dialogues

We review recent work in machine learning aspects of conformal field theory and Lie algebra representation theory using neural networks.


翻译：我们审查最近在机器学习方面开展的工作,这些方面是使用神经网络的符合实地理论和立叶代数代表理论。
0
下载
关闭预览

相关内容

机器学习（Machine Learning）是一个研究计算学习方法的国际论坛。该杂志发表文章，报告广泛的学习方法应用于各种学习问题的实质性结果。该杂志的特色论文描述研究的问题和方法，应用研究和研究方法的问题。有关学习问题或方法的论文通过实证研究、理论分析或与心理现象的比较提供了坚实的支持。应用论文展示了如何应用学习方法来解决重要的应用问题。研究方法论文改进了机器学习的研究方法。所有的论文都以其他研究人员可以验证或复制的方式描述了支持证据。论文还详细说明了学习的组成部分，并讨论了关于知识表示和性能任务的假设。 官网地址：http://dblp.uni-trier.de/db/journals/ml/
【干货书】优化与机器学习，Optimization and Machine Learning Optimization for Machine Learning and Machine Learning for Optimization
【干货书】优化与机器学习，Optimization and Machine Learning Optimization for Machine Learning and Machine Learning for Optimization
专知会员服务
38+阅读 · 2022年4月8日
深度学习优化算法，73页ppt，Optimization Algorithms on Deep Learning
深度学习优化算法，73页ppt，Optimization Algorithms on Deep Learning
专知会员服务
129+阅读 · 2021年6月16日
哥伦比亚大学最新《机器学习》课程，Fall-B 2020 (Machine Learning)
专知会员服务
38+阅读 · 2020年11月3日
【干货书】真实机器学习，264页pdf，Real-World Machine Learning
【干货书】真实机器学习，264页pdf，Real-World Machine Learning
专知会员服务
113+阅读 · 2020年4月5日
【论文推荐】逆问题，深度学习，对称性破缺，Inverse Problems, Deep Learning, and Symmetry Breaking
【论文推荐】逆问题，深度学习，对称性破缺，Inverse Problems, Deep Learning, and Symmetry Breaking
专知会员服务
25+阅读 · 2020年3月27日
100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
专知会员服务
161+阅读 · 2020年3月18日
【新书：机器学习简介】《A Concise Introduction to Machine Learning》by A.C. Faul (CRC 2019)
【新书：机器学习简介】《A Concise Introduction to Machine Learning》by A.C. Faul (CRC 2019)
专知会员服务
75+阅读 · 2020年2月8日
【电子书】机器学习实战（Machine Learning in Action），附PDF
【电子书】机器学习实战（Machine Learning in Action），附PDF
专知会员服务
124+阅读 · 2019年11月25日
【机器学习基础最新版】（Mathematics for Machine Learning），417页pdf
【机器学习基础最新版】（Mathematics for Machine Learning），417页pdf
专知会员服务
234+阅读 · 2019年10月21日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
144+阅读 · 2019年10月12日
【2022新书】机器学习基础，225页pdf，Machine Learning The Basics
【2022新书】机器学习基础，225页pdf，Machine Learning The Basics
专知
13+阅读 · 2022年1月27日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium6
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium6
中国图象图形学学会CSIG
2+阅读 · 2021年11月12日
【ICIG2021】Latest News & Announcements of the Plenary Talk2
【ICIG2021】Latest News & Announcements of the Plenary Talk2
中国图象图形学学会CSIG
0+阅读 · 2021年11月2日
【ICIG2021】Latest News & Announcements of the Industry Talk1
【ICIG2021】Latest News & Announcements of the Industry Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年7月28日
100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
专知
131+阅读 · 2020年3月18日
局部学习的特征选择：Local-Learning-Based Feature Selection
局部学习的特征选择：Local-Learning-Based Feature Selection
我爱读PAMI
14+阅读 · 2019年9月20日
Unsupervised Learning via Meta-Learning
Unsupervised Learning via Meta-Learning
CreateAMind
41+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
disentangled-representation-papers
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
强化学习族谱
强化学习族谱
CreateAMind
26+阅读 · 2017年8月2日
多层时空并行 Schwarz 算法的研究
国家自然科学基金
3+阅读 · 2017年12月31日
基于事件驱动的不完整信息耦合复杂网络群集动力学研究
国家自然科学基金
1+阅读 · 2015年12月31日
有限域上多项式的p-进与T-进指数和
国家自然科学基金
0+阅读 · 2013年12月31日
耦合噪声诱导的时滞复杂动态网络的同步与优化研究
国家自然科学基金
0+阅读 · 2013年12月31日
微分多项式分解的算法和理论研究
国家自然科学基金
0+阅读 · 2013年12月31日
Vlasov-Poisson-Boltzmann方程研究
国家自然科学基金
0+阅读 · 2013年12月31日
非凸映射的Robinson-Ursescu定理及度量次正则性
国家自然科学基金
0+阅读 · 2012年12月31日
基于EMD的复杂几何模型处理方法研究
国家自然科学基金
0+阅读 · 2012年12月31日
面向复杂区域和高维问题的谱方法研究
国家自然科学基金
0+阅读 · 2009年12月31日
基于多特征情感信息融合的高效率e-Learning关键技术研究
国家自然科学基金
0+阅读 · 2009年12月31日
Learning-Based Approaches for Graph Problems: A Survey
Arxiv
0+阅读 · 2022年4月17日
Bayesian Deep Learning for Graphs
Arxiv
21+阅读 · 2022年2月24日
Machine Learning: Algorithms, Models, and Applications
Arxiv
22+阅读 · 2022年1月6日
The Principles of Deep Learning Theory
Arxiv
64+阅读 · 2021年6月18日
Graph Learning: A Survey
Arxiv
56+阅读 · 2021年5月3日
Recent advances in deep learning theory
Recent advances in deep learning theory
Arxiv
50+阅读 · 2020年12月20日
Deep Learning for Learning Graph Representations
Arxiv
34+阅读 · 2020年1月2日
Optimization for deep learning: theory and algorithms
Optimization for deep learning: theory and algorithms
Arxiv
102+阅读 · 2019年12月19日
Optimization Models for Machine Learning: A Survey
Arxiv
18+阅读 · 2019年1月16日
Machine Learning: Basic Principles
Arxiv
25+阅读 · 2018年8月19日
VIP会员
文章信息
前往arXiv
下载PDF
相关主题
Machine Learning
Conformer
学成
Neural Networks
Networks
相关VIP内容
【干货书】优化与机器学习，Optimization and Machine Learning Optimization for Machine Learning and Machine Learning for Optimization
【干货书】优化与机器学习，Optimization and Machine Learning Optimization for Machine Learning and Machine Learning for Optimization
专知会员服务
38+阅读 · 2022年4月8日
深度学习优化算法，73页ppt，Optimization Algorithms on Deep Learning
深度学习优化算法，73页ppt，Optimization Algorithms on Deep Learning
专知会员服务
129+阅读 · 2021年6月16日
哥伦比亚大学最新《机器学习》课程，Fall-B 2020 (Machine Learning)
专知会员服务
38+阅读 · 2020年11月3日
【干货书】真实机器学习，264页pdf，Real-World Machine Learning
【干货书】真实机器学习，264页pdf，Real-World Machine Learning
专知会员服务
113+阅读 · 2020年4月5日
【论文推荐】逆问题，深度学习，对称性破缺，Inverse Problems, Deep Learning, and Symmetry Breaking
【论文推荐】逆问题，深度学习，对称性破缺，Inverse Problems, Deep Learning, and Symmetry Breaking
专知会员服务
25+阅读 · 2020年3月27日
100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
专知会员服务
161+阅读 · 2020年3月18日
【新书：机器学习简介】《A Concise Introduction to Machine Learning》by A.C. Faul (CRC 2019)
【新书：机器学习简介】《A Concise Introduction to Machine Learning》by A.C. Faul (CRC 2019)
专知会员服务
75+阅读 · 2020年2月8日
【电子书】机器学习实战（Machine Learning in Action），附PDF
【电子书】机器学习实战（Machine Learning in Action），附PDF
专知会员服务
124+阅读 · 2019年11月25日
【机器学习基础最新版】（Mathematics for Machine Learning），417页pdf
【机器学习基础最新版】（Mathematics for Machine Learning），417页pdf
专知会员服务
234+阅读 · 2019年10月21日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
144+阅读 · 2019年10月12日
热门VIP内容
相关资讯
【2022新书】机器学习基础，225页pdf，Machine Learning The Basics
【2022新书】机器学习基础，225页pdf，Machine Learning The Basics
专知
13+阅读 · 2022年1月27日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium6
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium6
中国图象图形学学会CSIG
2+阅读 · 2021年11月12日
【ICIG2021】Latest News & Announcements of the Plenary Talk2
【ICIG2021】Latest News & Announcements of the Plenary Talk2
中国图象图形学学会CSIG
0+阅读 · 2021年11月2日
【ICIG2021】Latest News & Announcements of the Industry Talk1
【ICIG2021】Latest News & Announcements of the Industry Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年7月28日
100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
专知
131+阅读 · 2020年3月18日
局部学习的特征选择：Local-Learning-Based Feature Selection
局部学习的特征选择：Local-Learning-Based Feature Selection
我爱读PAMI
14+阅读 · 2019年9月20日
Unsupervised Learning via Meta-Learning
Unsupervised Learning via Meta-Learning
CreateAMind
41+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
disentangled-representation-papers
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
强化学习族谱
强化学习族谱
CreateAMind
26+阅读 · 2017年8月2日
相关论文
Learning-Based Approaches for Graph Problems: A Survey
Arxiv
0+阅读 · 2022年4月17日
Bayesian Deep Learning for Graphs
Arxiv
21+阅读 · 2022年2月24日
Machine Learning: Algorithms, Models, and Applications
Arxiv
22+阅读 · 2022年1月6日
The Principles of Deep Learning Theory
Arxiv
64+阅读 · 2021年6月18日
Graph Learning: A Survey
Arxiv
56+阅读 · 2021年5月3日
Recent advances in deep learning theory
Recent advances in deep learning theory
Arxiv
50+阅读 · 2020年12月20日
Deep Learning for Learning Graph Representations
Arxiv
34+阅读 · 2020年1月2日
Optimization for deep learning: theory and algorithms
Optimization for deep learning: theory and algorithms
Arxiv
102+阅读 · 2019年12月19日
Optimization Models for Machine Learning: A Survey
Arxiv
18+阅读 · 2019年1月16日
Machine Learning: Basic Principles
Arxiv
25+阅读 · 2018年8月19日
相关基金
多层时空并行 Schwarz 算法的研究
国家自然科学基金
3+阅读 · 2017年12月31日
基于事件驱动的不完整信息耦合复杂网络群集动力学研究
国家自然科学基金
1+阅读 · 2015年12月31日
有限域上多项式的p-进与T-进指数和
国家自然科学基金
0+阅读 · 2013年12月31日
耦合噪声诱导的时滞复杂动态网络的同步与优化研究
国家自然科学基金
0+阅读 · 2013年12月31日
微分多项式分解的算法和理论研究
国家自然科学基金
0+阅读 · 2013年12月31日
Vlasov-Poisson-Boltzmann方程研究
国家自然科学基金
0+阅读 · 2013年12月31日
非凸映射的Robinson-Ursescu定理及度量次正则性
国家自然科学基金
0+阅读 · 2012年12月31日
基于EMD的复杂几何模型处理方法研究
国家自然科学基金
0+阅读 · 2012年12月31日
面向复杂区域和高维问题的谱方法研究
国家自然科学基金
0+阅读 · 2009年12月31日
基于多特征情感信息融合的高效率e-Learning关键技术研究
国家自然科学基金
0+阅读 · 2009年12月31日
Top
微信扫码咨询专知VIP会员
Top