energy landscapes | BriefGPT

关键词energy landscapes

搜索结果 - 6

ICLR物理启发的机器学习模型可解释性
通过利用物理学中的能量景观方法，在机器学习模型中识别有意义的特征来解释模型决策，为使机器学习在医学、网络安全、自动驾驶等领域得到广泛采用提供了一种新途径。
PDFa year ago
用分子力场进行可微转角采样
本文介绍一种基于神经网络的 Boltzmann 生成器，以取代传统 molecular dynamics 方法，加速复杂大分子如蛋白质的能量表面探索。
PDFa year ago
MM图神经网络启发式算法无法在解决如 Max-Cut 等组合优化问题中超越贪婪算法
Schuetz 等人提出了一种使用图神经网络作为启发式方法来解决各种组合优化问题的方案，该方法通过样例实例对网络进行训练，并应用广泛使用的技术来评估其成功的能力，尽管报告的结果只比梯度下降略有改善，但该方法承诺具有高度可伸缩性和计算成本线性
PDF2 years ago
尖晶石张量和简单玻璃模型中的复杂能量景观：波折，局部极小值排列和相变
研究高维能量景观，并使用 Kac-Rice 方法框架进行分析，以探索平均场玻璃模型的退火复杂性。
PDF6 years ago
关于随机最大后验扰动的给定分布采样算法
该研究使用 MAP 推断描述如何有效地从 Gibbs 分布中进行采样。通过引入低维扰动并解决相应的 MAP 分配，提供了从 Gibbs 分布中绘制近似或无偏样本的方式。同时通过该方法，获得了求解分函数下限的新方法。最后实验结果表明，该方法在
PDF11 years ago
ICML关于分配函数和随机最大后验扰动
本文利用随机变量的最大统计量将分区函数与之相关联，提供了一种新的框架，通过随机扰动模型上的 MAP 推断来近似和限制分区函数，从而可以使用图割等高效 MAP 求解器来评估相应的分区函数，证明我们的方法在典型的 “高信号 - 高耦合” 区域中
PDF12 years ago