Kolmogorov
PulseAugur coverage of Kolmogorov — every cluster mentioning Kolmogorov across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新框架使用对称划分作为柯尔莫哥洛夫模型
本文利用对称划分作为柯尔莫哥洛夫模型，提出了一种新的算法统计框架。研究探讨了群论与划分之间的关系，为环境群定义了对称划分的格。这种结构允许衡量数据规律性的对称方面，并对全对称群和GL(n,2)有具体发现。论文还使用Burnside环和Mackey公式详细介绍了置换群上的坐标，强调了对称假设的可搜索性可能受到限制。
-
人类突变场显示出类平衡结构和残余非平衡循环
研究人员在人类突变场中发现了一种类平衡结构，表明DNA序列演化在很大程度上可以用能量景观上的随机动力学来描述。他们使用Siamese神经网络对突变概率进行建模，发现与经验数据高度相关，表明大多数突变偏差与这种推断的景观一致。然而，发现了一个微小但可检测到的非平衡成分，揭示了违反详细平衡的Kolmogorov循环条件的特定定向突变机制。
-
新框架对偶化柯尔莫哥洛夫结构函数，连接信息论与统计力学
研究人员开发了一个新的框架，用于对偶化柯尔莫哥洛夫结构函数，从而可以使用可计算的复杂度代理。这项工作在信息论和统计力学之间建立了数学类比，引入了配分函数和自由能泛函。该研究证明了结构函数与自由能之间的Legendre-Fenchel对偶性，将接受概率解释为信息论散射振幅，并在损失-复杂度权衡中识别模型复杂度的相变。使用线性模型和基于树的模型进行的实验已验证了这些理论预测。
-
论文追溯概率作为理性镜像的演变
一篇新的arXiv论文探讨了概率论的历史发展，将其视为人类理性演变的反映。文章追溯了概率从早期博弈论到现代贝叶斯推理的历程，强调了其在量化不确定性方面的作用。论文还讨论了概率在处理模糊概念方面的局限性，并介绍了模糊逻辑和深度学习作为理性方法的补充，强调了在科学理解中明确阐述不确定性、模糊性和推理的必要性。