详细内容或原文请订阅后点击阅览
无单位定理精确定位人工智能和物理模型的关键变量
机器学习模型旨在接收数据，查找这些数据中的模式或关系，并使用所学知识进行预测或创建新内容。这些输出的质量不仅取决于模型内部工作的细节，而且最重要的是取决于输入模型的信息。
来源:英国物理学家网首页机器学习模型旨在接收数据，查找这些数据中的模式或关系，并使用所学知识进行预测或创建新内容。这些输出的质量不仅取决于模型内部工作的细节，而且最重要的是取决于输入模型的信息。
一些模型遵循强力方法，本质上是将与特定问题相关的所有数据添加到模型中，然后查看结果。但解决问题的一种更简洁、更省电的方法是确定哪些变量对结果至关重要，并只向模型提供有关这些关键变量的信息。
现在，加州理工学院航空航天系副教授、麻省理工学院客座教授阿德里安·洛扎诺-杜兰 (Adrián Lozano-Durán) 和麻省理工学院研究生袁媛提出了一个定理，该定理可以考虑任意数量的可能变量，然后将其缩小，只留下最重要的变量。在此过程中，该模型从基础方程中删除了所有单位，例如米和英尺，使它们成为无量纲，这是科学家对描述物理世界的方程所要求的。这项工作不仅可以应用于机器学习，还可以应用于任何数学模型。
数学模型Lozano-Durán 和 Yuan 在《自然通讯》杂志上发表的一篇论文中描述了他们的新方法。
纸张 自然通讯