- CLRS ալգորիթմական հիմնավորման հենանիշ (arXiv)
Հեղինակ՝Պետար Վելիչկովիչ, Ադրիա Պուչդոմենեխ Բադիա, Դեյվիդ Բադեն, Ռազվան Պասկանու, Անդրեա Բանինո, Միշա Դաշևսկի, Ռայա Հադսել, Չարլզ Բլանդել
Վերացական .Ալգորիթմների ուսուցման ներկայացումը մեքենայական ուսուցման նոր ոլորտ է, որը ձգտում է կամրջել նեյրոնային ցանցերի հասկացությունները դասական ալգորիթմներով: Մի քանի կարևոր աշխատանքներ ուսումնասիրել են, թե արդյոք նեյրոնային ցանցերը կարող են արդյունավետ կերպով հիմնավորել ալգորիթմների նման, սովորաբար սովորելով դրանք կատարել: Տարածքում ընդհանուր միտումը, այնուամենայնիվ, նպատակային տեսակի ալգորիթմական տվյալների ստեղծումն է՝ հատուկ վարկածները գնահատելու համար՝ դժվարացնելով արդյունքները փոխանցել հրապարակումներով և ավելացնելով մուտքի արգելքը: Առաջընթացը համախմբելու և միասնական գնահատման ուղղությամբ աշխատելու համար մենք առաջարկում ենք CLRS ալգորիթմական հիմնավորման չափանիշը, որն ընդգրկում է դասական ալգորիթմները Ալգորիթմների ներածություն դասագրքից: Մեր հենանիշն ընդգրկում է ալգորիթմական հիմնավորման մի շարք ընթացակարգեր, ներառյալ տեսակավորումը, որոնումը, դինամիկ ծրագրավորումը, գրաֆիկական ալգորիթմները, լարային ալգորիթմները և երկրաչափական ալգորիթմները: Մենք լայնածավալ փորձեր ենք կատարում՝ ցույց տալու համար, թե ինչպես են մի քանի հանրաճանաչ ալգորիթմական հիմնավորումների ելակետային գծեր կատարում այս առաջադրանքների վրա, և, հետևաբար, կարևորում ենք մի քանի բաց մարտահրավերների կապերը: Մեր գրադարանը հասանելի է https://github.com/deepmind/clrs կայքում:
2. Տեսողական անալոգիաների լուծում՝ օգտագործելով նյարդային ալգորիթմական հիմնավորում (arXiv)
Հեղինակ՝ Atharv Sonwane, Gautam Shroff, Lovekesh Vig, Ashwin Srinivasan, Tirtharaj Dash
Վերացական.Մենք դիտարկում ենք տեսողական անալոգային պատճառաբանման խնդիրների դաս, որոնք ներառում են փոխակերպումների հաջորդականության հայտնաբերում, որոնցով փոխկապակցված են մուտքային/ելքային պատկերների զույգերը, որպեսզի նմանապես փոխակերպվեն ապագա մուտքերը: Ծրագրի սինթեզի այս խնդիրը կարող է հեշտությամբ լուծվել խորհրդանշական որոնման միջոցով: Օգտագործելով «նյարդային անալոգիկ պատճառաբանության» մոտեցման փոփոխությունը (Velickovic and Blundell 2021), մենք փոխարենը որոնում ենք տարրական նեյրոնային ցանցի փոխակերպումների հաջորդականություն, որոնք շահարկում են սիմվոլիկ տարածությունից ստացված բաշխված ներկայացումները, որոնց մուտքային պատկերները ուղղակիորեն կոդավորված են: Մենք գնահատում ենք, թե որքանով է ընդհանրացվում մեր «նյարդային հիմնավորման» մոտեցումը անտեսանելի ձևերով և դիրքերով պատկերների համար:
3. Նյարդային ալգորիթմական հիմնավորում (arXiv)
Հեղինակ՝Պետար Վելիչկովիչ, Չարլզ Բլանդել
Վերացական .Ալգորիթմները հիմնարար նշանակություն են ունեցել վերջին համաշխարհային տեխնոլոգիական առաջընթացի համար և, մասնավորապես, դրանք եղել են մի ոլորտում տեխնիկական առաջընթացի հիմնաքարը, որն արագորեն կիրառվում է մյուսի նկատմամբ: Մենք պնդում ենք, որ ալգորիթմներն ունեն սկզբունքորեն տարբեր որակներ խորը ուսուցման մեթոդներից, և դա խստորեն ենթադրում է, որ եթե խորը ուսուցման մեթոդներն ավելի լավ կարողանային ընդօրինակել ալգորիթմները, ապա ալգորիթմներով տեսած տեսակի ընդհանրացումը հնարավոր կլիներ խորը ուսուցման դեպքում, ինչը շատ հեռու չէ: մեքենայական ուսուցման ներկայիս մեթոդները: Ավելին, նեյրոնային ցանցերը, ներկայացնելով տարրերը սովորած ալգորիթմների շարունակական տարածության մեջ, ի վիճակի են հայտնի ալգորիթմներն ավելի սերտորեն հարմարեցնել իրական աշխարհի խնդիրներին՝ պոտենցիալ գտնելով ավելի արդյունավետ և պրագմատիկ լուծումներ, քան առաջարկվածները մարդկային համակարգչային գիտնականների կողմից: Այստեղ մենք ներկայացնում ենք նեյրոնային ալգորիթմական դատողությունը՝ նեյրոնային ցանցեր կառուցելու արվեստը, որոնք ի վիճակի են իրականացնել ալգորիթմական հաշվարկներ, և տրամադրում ենք մեր կարծիքը դասական ալգորիթմներ գործարկելու նրա փոխակերպման ներուժի վերաբերյալ, որոնք նախկինում նրանց համար անհասանելի էին համարվում:
4. Ալգորիթմական պատահականությունը որպես ինդուկտիվ բանականության և արհեստական բանականության հիմք (arXiv)
Հեղինակ՝Մարկուս Հաթեր
Վերացական .Այս հոդվածը համառոտ անձնական պատմություն է ալգորիթմական պատահականության անցյալի, ներկայի և ապագայի մասին՝ ընդգծելով դրա դերը ինդուկտիվ եզրակացության և արհեստական բանականության մեջ: Այն գրված է գիտությամբ և փիլիսոփայությամբ հետաքրքրված լայն լսարանի համար: Ինտուիտիվորեն, պատահականությունը կարգի կամ կանխատեսելիության բացակայություն է: Եթե պատահականությունը դետերմինիզմի հակառակն է, ապա ալգորիթմական պատահականությունը հաշվարկելիության հակառակն է։ Բացի շատ այլ բաներից, այս հասկացությունները օգտագործվել են Օքհեմի ածելիը քանակականացնելու, ինդուկցիոն խնդիրը լուծելու և հետախուզությունը սահմանելու համար:
