机器学习改进链的切片亏格与解结数计算
热点事件持续更新
机器学习改进链的切片亏格与解结数计算
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
Yutong Dai、Oliver Hayman、András Juhász 和 Ludovico Morellato 提交的论文提出,用强化学习与贝叶斯优化为链的切片亏格、解结数以及代数分裂链的强切片亏格给出新的上界,并结合已知不变量计算下界,从而在许多情形下得到新的精确值。这些不变量此前并不被认为可以算法化计算。 论文称,解结智能体还能复现 Brittenham 和 Hermiller 给出的多个反例中解结数的非可加性,并在部分情形下找到新的解结路径。
AI 根据报道生成 · 1 小时前更新
最新进展10月8日 12:00
用机器学习计算链的切片亏格与解结数报道时间线
沿着报道,了解事件的不同侧面。
10月8日
- arXiv:cs.LG用机器学习计算链的切片亏格与解结数
研究用强化学习与贝叶斯优化,对切片亏格、链的解结数以及代数分裂链的强切片亏格给出新的上界,并结合已知不变量计算下界,从而在许多情形下得到新的精确值。解结智能体还能复现 Brittenham 和 Hermiller 给出的多个反例中解结数的非可加性,部分情形下找到了新的解结路径。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。