一篇新的研究论文介绍了一种名为“涌现模型”(EMs)的机器学习范式,它不同于传统的输入-输出映射。相反,EMs 通过进化搜索进行训练,专注于简单动力系统中计算行为的涌现。作者假设这种方法可以实现全局泛化,并证明一些 EMs 是潜在通用的,能够实现任何部分可计算函数。在展示了小型 EMs 可以外推算术函数并支持适应性的同时,该论文也承认了它们目前的局限性,并将 EMs 定位为一个拓宽机器学习设计范围的框架,超越了可微分的前馈网络。 AI
影响 这项研究提出了一个新的机器学习框架,有可能将设计可能性扩展到当前可微分模型之外。
排序理由 该集群包含一篇详细介绍新机器学习范式的研究论文。
在 arXiv cs.NE (Neural & Evolutionary) 阅读 →
- alphaXiv
- arXiv
- CatalyzeX
- cellular automaton
- CORE Recommender
- DagsHub
- Giacomo Bocchese
- Gotit.pub
- Hugging Face
- Influence Flower
- ScienceCast
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →