Jan, 2024
通过动力学不变量理解学习
Understanding Learning through the Lens of Dynamical Invariants
TL;DR这篇论文提出了一种新的学习视角，将其定位为追求动力学不变量，即随着系统演变而保持恒定或呈现最小变化的数据组合。这个概念基于信息和物理原理，根植于这些不变量的固有属性。通过稳定性和可预测性，这些不变量成为理想的记忆和整合到联想网络的基础，同时也是有用能量的宝贵来源。这种能量可以用于探索新的转变，使学习系统在能量上自给自足，并且越来越有效。这篇论文进一步探讨了几个以可预测信息模式为可用能源的自主、自驱的学习代理的元架构。