机器学习的特征提取与 Ising 模型的相变点
机器学习
2021-11-23 v1 统计力学
摘要
我们研究了当受限玻尔兹曼机（RBM）使用不同温度下的 Ising 模型自旋构型进行训练时所提取的特征。利用训练好的 RBM，我们获得自旋构型的迭代重构流（RBM 流），并发现在某些情况下该流逼近 Ising 模型中的相变点 。由于提取的特征在重构构型中被强化，此类不动点处的构型应恰好描述所提取的特征。随后我们研究了不动点对各类参数的依赖，并猜想 RBM 流的不动点位于相变点的条件。我们还通过分析与训练后 RBM 的权重矩阵为猜想提供了支持性证据。
引用
@article{arxiv.2111.11166,
title = {Feature extraction of machine learning and phase transition point of Ising model},
author = {Shotaro Shiba Funai},
journal= {arXiv preprint arXiv:2111.11166},
year = {2021}
}
备注
18 pages, 12 figures