机器研究“周期表”创作

原始标题：机器研究“元素周期表”创作 对机器“弓箭元素表”的研究表明，连接了20种以上的经典算法。图像来源：马萨诸塞州技术研究所 麻省理工学院团队创建了一个独特的机器研究“ Panwa -Table”，显示了20多种经典机器学习算法之间的联系。该框架表明，科学家以不同的方法包括技术，将改善现有的AI模型或建议完整的新模型，并进一步促进人工知识技术（AI）的开发和应用。 化学元素的箭头 - 时间表是一个列表，该清单是从小到大的敲击安多莫元素的核电指控。元素的元素表可以准确预测每个元素及其关系的特征，因此它被广泛用于化学和其他科学领域，并且是化学行为的非常有用的使用框架分析。 目前创建的AI框架基于一个基本思想：所有这些算法都学习了数据点之间的特定关系，尽管每种算法都可以略有不同，但其背后的基本数学原则是相同的。基于此，研究人员发现了一个单一方程式，该方程是许多经典AI算法的基础。使用此方程，他们根据所学到的数据点之间的关系类型重新设计并组织了一些流行的方法来对每个过程进行分类。 例如，通过合并两种不同算法的关键要素，该团队开发了一种新的图像分类算法，该算法的性能比现有的最新技术高8％。这表明对机器“元素元素表”的研究不仅有助于了解现有算法之间的连接，而且还提供了创建更好算法的实用指南。 就像元素周期表Of化学元素最初留在空白的空间中，等待未来的科学家，还有一些空白的学习“巨大元素”的领域，这表明理论上应该存在但尚未发现的算法。这些差距预测了该算法的潜在新位置，从而为人们提供了一种工具包，该工具包消除了反复探索以前方法中涵盖的概念的需求，从而使新算法成为更好的设计。 （记者Zhang Mengur） （编辑：Hao Mengjia，Li Fang） 分享让许多人看到