Jul, 2023
复杂系统中的无监督学习
Unsupervised Learning in Complex Systems
Hugo Cisneros
TL;DR本论文探讨了利用复杂系统研究自然和人工系统的学习和适应能力，旨在开发能够无需监督学习、自主发展并随时间变得越来越复杂的自主系统。复杂系统被视为理解这些现象的适当框架，因其能够展现复杂性的增长能力。通过理解复杂系统中学习的基本原理，我们希望能够在未来设计和实施更实用的学习算法。该论文的关键贡献有：开发了一个可应用于搜索展现复杂性增长的复杂系统的通用复杂性度量，引入了一种用于研究大规模复杂系统中计算的粗粒化方法，以及开发了一个学习效率度量和一个用于评估学习算法速度的基准数据集。我们的发现大大增进了我们对自然和人工系统学习和适应能力的理解，而且我们的方法为该领域的研究开拓了一个有前途的新方向。我们希望这些发现能激发未来更有效和高效的学习算法的发展。