受限机器学习中的数据中心方法：以Conway's Game of Life为案例研究
机器学习
2024-08-26 v1 人工智能
计算机视觉与模式识别
信息检索
摘要
本文聚焦于Conway's Game of Life情境下的机器学习应用的数据中心方法。具体而言，我们考虑在给定步数-ahead训练最小体系结构网络以学习Game of Life的转换规则的任务，这一任务由于对允许的可训练参数数量的限制而具有挑战性。广泛的定量分析展示了利用战略性设计的训练数据集的优势，该优势在其他学习配置参数（如网络初始化权重或优化算法）的情况下依然存在。重要的是，我们的发现凸显了领域专家见解在为受限现实场景创建有效机器学习应用中的核心作用。
引用
@article{arxiv.2408.12778,
title = {Data-Centric Approach to Constrained Machine Learning: A Case Study on Conway's Game of Life},
author = {Anton Bibin and Anton Dereventsov},
journal= {arXiv preprint arXiv:2408.12778},
year = {2024}
}