.png){kind=icon}
返回
Geodesic learning
.png){kind=icon}
OA
AI
DOI：10.1016/j.physa.2025.130539.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
学习是生命系统的基本特征，使其能够理解环境并做出知情决策。这些决策过程本质上受到关于其周围环境和特定目标可用信息的影响。一个引人入胜的观点是，每个过程在给定条件下都高度有效。于是，关键问题在于该过程接近最优的程度，或在给定条件下的效率如何。在此，引入并基于几何学制定了测地学习（geodesic learning）的概念，作为最优参考过程，借此可将每个过程进行比较。描述由环境（称为信息浴，information bath）和决策者组成的复合系统状态的分布，可通过熵量（entropic quantities）来表征。这使人们能够类比热力学来研究该系统。学习过程表现为分布中所含参数的变化。为对过程进行几何解释，考虑了赋予Fisher-Rao度量作为黎曼度量的流形。该框架允许将每个过程的最优性概念化为流形上沿测地曲线的状态变化，从而引出测地学习。随后，介绍了二元高斯模型，并分析了测地学习和适应过程，以阐明这种方法。
Keyword:
Geodesic learning
Adaptation
Thermodynamic analogs
Information bath
Specific
Information
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
P
IF:
3.1
论文数:
1.3K
被引数:
3.6W
查看更多机构
.png){kind=icon}
