再探随机非对称动力学 Ising 模型耦合的学习：随机相关矩阵与学习曲线
无序系统与神经网络
2015-09-30 v2
摘要
我们解析地研究了一种近期提出的算法的性能，该算法旨在根据自旋动力学的有限长度轨迹学习随机非对称动力学 Ising 模型的耦合。我们的分析表明，由动力学诱导的自旋间非平庸同时刻相关对于学习速度至关重要。随着自旋随机性的降低，这些相关性变得更加重要。我们还分析了估计误差相对于渐近最优性的偏差。
引用
@article{arxiv.1508.05865,
title = {Learning of couplings for random asymmetric kinetic Ising models revisited: random correlation matrices and learning curves},
author = {Ludovica Bachschmid-Romano and Manfred Opper},
journal= {arXiv preprint arXiv:1508.05865},
year = {2015}
}
备注
17 pages and 4 figures