La hipótesis del supermanifold en el aprendizaje profundo es una descripción alineada de aprendizaje automático algebraico, en el horizonte de los supermanifolds, dada la evidencia empírica en la ciencia cognitiva relacionada con la supersimetría.
Es una extensión de trabajos que constituyen múltiples en el aprendizaje profundo.
Notación 1 – Aprendizaje múltiple : [matemáticas] \ phi \ big (x, \ theta \ big) ^ {\ top} w [/ matemáticas] (Bengio et al)
- ¿Qué es la cuantización? ¿Cómo se introdujo la energía de cuantificación en el modelo de Bohr?
- ¿Qué son las ondas de materia en la mecánica cuántica?
- ¿Por qué es relevante el teorema de Bell?
- ¿Cómo resolvieron los defensores de la interpretación de Copenhague de la mecánica cuántica la paradoja del gato de Schrodinger?
- ¿Cómo influye la sombra cuántica en nuestra comprensión de la causalidad?
Notación 2: Aprendizaje supermanifold : [matemáticas] \ phi \ big (x; \ theta, \ bar {{\ theta}} \ big) ^ {\ top} w [/ math] (Jordan Bennett)
Si bien el aprendizaje profundo tradicional puede implicar un aprendizaje múltiple, mi trabajo se refiere al aprendizaje supermúltiple, como se ve brevemente en las diferencias de notación anteriores.
Figura 0.1 resumen a través de la fuente.
Notas al pie:
Hipótesis súper múltiple (a través del aprendizaje profundo):
https://www.researchgate.net/pub…
Curvatura del pensamiento: una hipótesis infractiva:
https://www.researchgate.net/pub…
