ترجمه فارسی مقاله درخت تنسور ساختارهای رابطه ای پنهان در داده ها را برای ساخت مدل های مولد می آموزد

چکیده

Based on the tensor tree network with the Born machine framework, we propose a general method for constructing a generative model by expressing the target distribution function as the quantum wave function amplitude represented by a tensor tree. The key idea is dynamically optimizing the tree structure that minimizes the bond mutual information. The proposed method offers enhanced performance and uncovers hidden relational structures in the target data. We illustrate potential practical applications with four examples: (i) random patterns, (ii) QMNIST hand-written digits, (iii) Bayesian networks, and (iv) the stock price fluctuation pattern in S&P500. In (i) and (ii), strongly correlated variables were concentrated near the center of the network; in (iii), the causality pattern was identified; and, in (iv), a structure corresponding to the eleven sectors emerged.

چکیده به فارسی (ترجمه ماشینی)

بر اساس شبکه Tensor Tree با چارچوب ماشین متولد شده ، ما یک روش کلی برای ساخت یک مدل تولیدی با بیان عملکرد توزیع هدف به عنوان دامنه عملکرد موج کوانتومی نشان داده شده توسط یک درخت تانسور پیشنهاد می کنیم.ایده کلیدی به صورت پویا بهینه سازی ساختار درخت است که اطلاعات متقابل پیوند را به حداقل می رساند.روش پیشنهادی عملکرد پیشرفته را ارائه می دهد و ساختارهای رابطه ای پنهان را در داده های هدف کشف می کند.ما برنامه های عملی بالقوه را با چهار مثال نشان می دهیم: (i) الگوهای تصادفی ، (ب) ارقام دست نوشته qmnist ، (iii) شبکه های بیزی ، و (IV) الگوی نوسان قیمت سهام در S&P500.در (i) و (ii) ، متغیرهای همبسته به شدت در نزدیکی مرکز شبکه متمرکز شدند.در (iii) ، الگوی علیت مشخص شد.و در (IV) ، ساختاری مطابق با یازده بخش پدیدار شد.