Прикладное машинное обучение и глубинное обучение
Deep Learning For Symbolic Mathematics
Модели статистического обучения, к которым относятся нейронные сети, принято противопоставлять выводу, основанному на правилах. Нейронные сети доказали свою эффективность в статистических задачах, связанных с выделением паттернов. В то же время их применение для символьных вычислений остаётся крайне ограниченным.
Авторы данной статьи отмечают, что выделение паттернов, с которым нейросети справляются хорошо, может улучшить результаты в преобразовании выражений. Они применяют seq2seq модель к двум задачам, традиционно решаемым с помощью символьных вычислений: интегрированию и дифференциальным уравнениям. Для этого они предлагают подходящее представление данных и способ генерации датасетов. Проведённая оценка показывает улучшение по сравнению с существующими математическими пакетами.
Ссылка на статью: https://openreview.net/forum?id=S1eZYeHFDS
Докладчик: Андрей Гусев.
Язык доклада: русский.
Дата и время: 25-е мая, 20:00-21:30.
Место: https://zoom.us/j/217320533
Видео с предыдущих семинаров доступно по ссылке: http://bit.ly/MLJBSeminars