机器学习相变：与 Fisher 信息的联系
无序系统与神经网络
2023-11-20 v1 机器学习
量子物理
机器学习
摘要
尽管机器学习技术从数据中检测相变已被广泛使用并取得成功，其工作原理和基本极限仍难以捉摸。在此，我们通过将流行的机器学习相变指标根植于信息论概念，解释这些技术的内部机制并识别潜在的失败模式。利用信息几何的工具，我们证明若干机器学习相变指标从下方逼近系统的（量子）Fisher 信息的平方根——该量已知可指示相变但往往难以从数据计算。我们通过数值演示了这些边界在经典和量子系统相变中的质量。
引用
@article{arxiv.2311.10710,
title = {Machine learning phase transitions: Connections to the Fisher information},
author = {Julian Arnold and Niels Lörch and Flemming Holtorf and Frank Schäfer},
journal= {arXiv preprint arXiv:2311.10710},
year = {2023}
}
备注
7+11 pages, 2+3 figures