Minkowski अंतरिक्ष-समय में भावी भविष्यवाणियां

भविष्य की घटनाओं का अनुमान लगाना एक मुश्किल काम है। मनुष्यों के विपरीत, मशीन सीखने के दृष्टिकोण को भौतिकी की एक प्राकृतिक समझ द्वारा विनियमित नहीं किया जाता है। जंगली में, घटनाओं का एक प्रशंसनीय अनुक्रम कार्य-कारण के नियमों के अधीन होता है, जिसे केवल एक परिमित प्रशिक्षण सेट से प्राप्त नहीं किया जा सकता है। इस पत्र में, शोधकर्ता (इम्पीरियल कॉलेज लंदन) एक Minkowski स्पेसटाइम में spatiotemporal जानकारी एम्बेड करके भविष्य के कारण भविष्यवाणियों को पूरा करने के लिए एक उपन्यास सैद्धांतिक रूपरेखा का प्रस्ताव है। वे सापेक्षता के विशेष सिद्धांत से प्रकाश शंकु की अवधारणा का उपयोग करते हैं और अनारक्षित मॉडल के अव्यक्त स्थान को सीमित और पार करने के लिए करते हैं। वे कारण छवि संश्लेषण में सफल अनुप्रयोगों और एक छवि डेटा सेट पर भविष्य के वीडियो छवियों की भविष्यवाणी प्रदर्शित करते हैं। इसकी रूपरेखा वास्तुकला और कार्य से स्वतंत्र है और इसमें कारण क्षमताओं के लिए मजबूत सैद्धांतिक गारंटी है।

कई रोजमर्रा के परिदृश्यों में, हम यह अनुमान लगाने के लिए कारण पूर्वानुमान लगाते हैं कि हमारी टिप्पणियों और अनुभवों के आधार पर स्थितियों का विकास कैसे हो सकता है। मशीन लर्निंग अभी तक इस स्तर पर विकसित नहीं हुई है, हालांकि स्वचालित, यथोचित प्रशंसनीय भविष्यवाणियां चिकित्सा उपचार योजना, स्वायत्त वाहनों और सुरक्षा जैसे महत्वपूर्ण अनुप्रयोगों के लिए अत्यधिक वांछनीय हैं। हाल ही के काम ने मशीन लर्निंग एल्गोरिदम में भविष्य की भविष्यवाणी करने और कारण के अनुमान में योगदान दिया है। एक महत्वपूर्ण धारणा है कि कई दृष्टिकोण निहित रूप से अपनाते हैं कि मॉडल प्रतिनिधित्व का स्थान एन आयामों के साथ एक फ्लैट यूक्लिडियन स्थान है। हालांकि, जैसा कि अरवनीतिदिस एट अल ने सुझाव दिया था। दिखाया गया था, यूक्लिडियन धारणा गलत निष्कर्ष की ओर ले जाती है, क्योंकि एक मॉडल के अव्यक्त स्थान को एक यूक्लिडियन अंतरिक्ष की तुलना में उच्च-आयामी, घुमावदार रिनेमैनियन स्पेस के रूप में बेहतर रूप से चित्रित किया जा सकता है। इसके अलावा, अलेक्जेंड्रोव-ज़िमन प्रमेय बताता है कि कार्य-कारण के लिए एक लोरेंत्ज़ियन समूह स्थान की आवश्यकता होती है और कारण विश्लेषण के लिए यूक्लिडियन रिक्त स्थान की अनुपस्थिति की वकालत करता है। इस पोस्ट में, वैज्ञानिक एक उपन्यास ढांचा प्रस्तुत करते हैं जो कि कंप्यूटर की दृष्टि की समस्याओं का इलाज करने के तरीके को बदलता है जैसे कि छवि अनुक्रमों की निरंतरता। वे एक spatio- टेम्पोरल, हाई-डायमेंशनल छद्म-सीमेंस मैनिफोल्ड - मिन्कोव्स्की स्पेसटाइम - में जानकारी एम्बेड करते हैं और कार्य-कारण निष्कर्ष निकालने के लिए प्रकाश शंकु की विशेष सापेक्षता अवधारणा का उपयोग करते हैं। आप अपने ढांचे की पूर्ण क्षमताओं को प्रदर्शित करने के लिए अस्थायी दृश्यों और छवि संश्लेषण पर ध्यान केंद्रित करते हैं।

और अधिक पढ़ें यहां