会员服务
Machine Learning · 学成 · 相关系数 · 计算学习理论 ·
2022 年 5 月 2 日
Interpretable machine learning in Physics
翻译：物理方面的可解释机器学习
Christophe Grojean,Ayan Paul,Zhuoni Qian,Inga Strümke
Christophe Grojean,Ayan Paul,Zhuoni Qian,Inga Strümke
from arxiv, Submitted version of invited Comment Article for Nature Reviews Physics (2022)

Adding interpretability to multivariate methods creates a powerful synergy for exploring complex physical systems with higher order correlations while bringing about a degree of clarity in the underlying dynamics of the system.


翻译：在多变量方法中增加可解释性,为探索具有较高顺序相关性的复杂物理系统带来强大的协同作用,同时使系统的基本动态有一定程度的清晰度。
1
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】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
【ICCV 2019 Toturial】Interpretable Machine Learning for Computer Vision（用于计算机视觉的可解释性机器学习）
【ICCV 2019 Toturial】Interpretable Machine Learning for Computer Vision（用于计算机视觉的可解释性机器学习）
专知会员服务
28+阅读 · 2019年10月30日
可解释机器学习（Interpretable Machine Learning）：打开黑盒之谜（238页书籍下载）
可解释机器学习（Interpretable Machine Learning）：打开黑盒之谜（238页书籍下载）
专知会员服务
148+阅读 · 2019年10月27日
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
专知会员服务
45+阅读 · 2019年10月17日
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
专知会员服务
31+阅读 · 2019年10月17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
机器学习入门的经验与建议
机器学习入门的经验与建议
专知会员服务
90+阅读 · 2019年10月10日
【CMU卡内基梅隆大学】深度学习在计算机视觉的应用：方法，解释，因果与公平性
【CMU卡内基梅隆大学】深度学习在计算机视觉的应用：方法，解释，因果与公平性
专知会员服务
77+阅读 · 2019年10月9日
【加州大学伯克利分校博士论文】通过自我监督预测学习泛化
【加州大学伯克利分校博士论文】通过自我监督预测学习泛化
专知会员服务
64+阅读 · 2019年10月9日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
99+阅读 · 2019年10月9日
IEEE TII Call For Papers
IEEE TII Call For Papers
CCF多媒体专委会
3+阅读 · 2022年3月24日
【ICIG2021】Latest News & Announcements of the Tutorial
【ICIG2021】Latest News & Announcements of the Tutorial
中国图象图形学学会CSIG
2+阅读 · 2021年12月20日
Hierarchically Structured Meta-learning
Hierarchically Structured Meta-learning
CreateAMind
23+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
Transferring Knowledge across Learning Processes
CreateAMind
25+阅读 · 2019年5月18日
【Awesome】最全的机器学习可解释性资料（machine-learning-interpretability）
【Awesome】最全的机器学习可解释性资料（machine-learning-interpretability）
专知
28+阅读 · 2019年3月1日
IEEE | DSC 2019诚邀稿件 (EI检索)
IEEE | DSC 2019诚邀稿件 (EI检索)
Call4Papers
10+阅读 · 2019年2月25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
vae 相关论文 表示学习 1
vae 相关论文 表示学习 1
CreateAMind
12+阅读 · 2018年9月6日
【推荐】免费书(草稿)：数据科学的数学基础
【推荐】免费书(草稿)：数据科学的数学基础
机器学习研究会
19+阅读 · 2017年10月1日
《数学学报》期刊
国家自然科学基金
4+阅读 · 2015年12月31日
Plücker直线摄影测量的理论与方法
国家自然科学基金
0+阅读 · 2014年12月31日
冰表面小分子吸附与扩散过程的动力学研究
国家自然科学基金
0+阅读 · 2012年12月31日
宫颈癌及其前期病变中HPV16整合与调控区表观遗传学的相关性研究
国家自然科学基金
0+阅读 · 2012年12月31日
晶圆制造Interbay物料运输系统的动态调度研究
国家自然科学基金
0+阅读 · 2012年12月31日
8-羟基喹啉类锌配合物聚合异构体可控制备与光电性能调控研究
国家自然科学基金
0+阅读 · 2012年12月31日
资助《半导体学报》期刊
国家自然科学基金
0+阅读 · 2011年12月31日
重编程产生Claudin-low/三阴乳腺癌干细胞：乳腺癌可塑性的分子机制及转化医学意义
国家自然科学基金
0+阅读 · 2011年12月31日
《物理》期刊
国家自然科学基金
1+阅读 · 2009年12月31日
变应原驱动记忆T淋巴细胞组蛋白H3乙酰化修饰调控气道炎症机制研究
国家自然科学基金
0+阅读 · 2009年12月31日
Gradient-Enhanced Physics-Informed Neural Networks for Power Systems Operational Support
Arxiv
0+阅读 · 2022年6月21日
Interpretable Deep Causal Learning for Moderation Effects
Arxiv
0+阅读 · 2022年6月21日
Interpretable Machine Learning: Fundamental Principles and 10 Grand Challenges
Arxiv
17+阅读 · 2021年7月10日
A Survey of Machine Learning for Computer Architecture and Systems
Arxiv
18+阅读 · 2021年2月16日
The Causal Learning of Retail Delinquency
Arxiv
14+阅读 · 2020年12月17日
A Survey on Distributed Machine Learning
Arxiv
43+阅读 · 2019年12月20日
Interpretable machine learning: definitions, methods, and applications
Interpretable machine learning: definitions, methods, and applications
Arxiv
18+阅读 · 2019年1月14日
Learning with Interpretable Structure from RNN
Arxiv
19+阅读 · 2018年10月25日
Interpretable Convolutional Neural Networks
Arxiv
21+阅读 · 2018年2月14日
Multimodal Machine Learning: A Survey and Taxonomy
Arxiv
151+阅读 · 2017年8月1日
VIP会员
文章信息
前往arXiv
下载PDF
相关主题
Machine Learning
学成
相关系数
计算学习理论
相关VIP内容
【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
【ICCV 2019 Toturial】Interpretable Machine Learning for Computer Vision（用于计算机视觉的可解释性机器学习）
【ICCV 2019 Toturial】Interpretable Machine Learning for Computer Vision（用于计算机视觉的可解释性机器学习）
专知会员服务
28+阅读 · 2019年10月30日
可解释机器学习（Interpretable Machine Learning）：打开黑盒之谜（238页书籍下载）
可解释机器学习（Interpretable Machine Learning）：打开黑盒之谜（238页书籍下载）
专知会员服务
148+阅读 · 2019年10月27日
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
专知会员服务
45+阅读 · 2019年10月17日
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
专知会员服务
31+阅读 · 2019年10月17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
机器学习入门的经验与建议
机器学习入门的经验与建议
专知会员服务
90+阅读 · 2019年10月10日
【CMU卡内基梅隆大学】深度学习在计算机视觉的应用：方法，解释，因果与公平性
【CMU卡内基梅隆大学】深度学习在计算机视觉的应用：方法，解释，因果与公平性
专知会员服务
77+阅读 · 2019年10月9日
【加州大学伯克利分校博士论文】通过自我监督预测学习泛化
【加州大学伯克利分校博士论文】通过自我监督预测学习泛化
专知会员服务
64+阅读 · 2019年10月9日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
99+阅读 · 2019年10月9日
热门VIP内容
相关资讯
IEEE TII Call For Papers
IEEE TII Call For Papers
CCF多媒体专委会
3+阅读 · 2022年3月24日
【ICIG2021】Latest News & Announcements of the Tutorial
【ICIG2021】Latest News & Announcements of the Tutorial
中国图象图形学学会CSIG
2+阅读 · 2021年12月20日
Hierarchically Structured Meta-learning
Hierarchically Structured Meta-learning
CreateAMind
23+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
Transferring Knowledge across Learning Processes
CreateAMind
25+阅读 · 2019年5月18日
【Awesome】最全的机器学习可解释性资料（machine-learning-interpretability）
【Awesome】最全的机器学习可解释性资料（machine-learning-interpretability）
专知
28+阅读 · 2019年3月1日
IEEE | DSC 2019诚邀稿件 (EI检索)
IEEE | DSC 2019诚邀稿件 (EI检索)
Call4Papers
10+阅读 · 2019年2月25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
vae 相关论文 表示学习 1
vae 相关论文 表示学习 1
CreateAMind
12+阅读 · 2018年9月6日
【推荐】免费书(草稿)：数据科学的数学基础
【推荐】免费书(草稿)：数据科学的数学基础
机器学习研究会
19+阅读 · 2017年10月1日
相关论文
Gradient-Enhanced Physics-Informed Neural Networks for Power Systems Operational Support
Arxiv
0+阅读 · 2022年6月21日
Interpretable Deep Causal Learning for Moderation Effects
Arxiv
0+阅读 · 2022年6月21日
Interpretable Machine Learning: Fundamental Principles and 10 Grand Challenges
Arxiv
17+阅读 · 2021年7月10日
A Survey of Machine Learning for Computer Architecture and Systems
Arxiv
18+阅读 · 2021年2月16日
The Causal Learning of Retail Delinquency
Arxiv
14+阅读 · 2020年12月17日
A Survey on Distributed Machine Learning
Arxiv
43+阅读 · 2019年12月20日
Interpretable machine learning: definitions, methods, and applications
Interpretable machine learning: definitions, methods, and applications
Arxiv
18+阅读 · 2019年1月14日
Learning with Interpretable Structure from RNN
Arxiv
19+阅读 · 2018年10月25日
Interpretable Convolutional Neural Networks
Arxiv
21+阅读 · 2018年2月14日
Multimodal Machine Learning: A Survey and Taxonomy
Arxiv
151+阅读 · 2017年8月1日
相关基金
《数学学报》期刊
国家自然科学基金
4+阅读 · 2015年12月31日
Plücker直线摄影测量的理论与方法
国家自然科学基金
0+阅读 · 2014年12月31日
冰表面小分子吸附与扩散过程的动力学研究
国家自然科学基金
0+阅读 · 2012年12月31日
宫颈癌及其前期病变中HPV16整合与调控区表观遗传学的相关性研究
国家自然科学基金
0+阅读 · 2012年12月31日
晶圆制造Interbay物料运输系统的动态调度研究
国家自然科学基金
0+阅读 · 2012年12月31日
8-羟基喹啉类锌配合物聚合异构体可控制备与光电性能调控研究
国家自然科学基金
0+阅读 · 2012年12月31日
资助《半导体学报》期刊
国家自然科学基金
0+阅读 · 2011年12月31日
重编程产生Claudin-low/三阴乳腺癌干细胞：乳腺癌可塑性的分子机制及转化医学意义
国家自然科学基金
0+阅读 · 2011年12月31日
《物理》期刊
国家自然科学基金
1+阅读 · 2009年12月31日
变应原驱动记忆T淋巴细胞组蛋白H3乙酰化修饰调控气道炎症机制研究
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