Chia sẻ bài báo qua Email BÀI TOÁN HỌC MÁY CHO KHẢO SÁT SỰ HỘI TỤ CỦA CHUỖI SỐ DỰA TRÊN LỚP CHUỖI CON CỦA CHUỖI ĐIỀU HÒA
Thông tin bài báo
Ngày nhận bài: 13/08/22 Ngày hoàn thiện: 07/10/22 Ngày đăng: 07/10/22Các tác giả
1. Đinh Văn Tiệp
, Trường Đại học Kỹ thuật Công nghiệp - ĐH Thái Nguyên2. Hoàng Văn Tá, Trường Cao đẳng Công nghệ và Thương mại
Tóm tắt
Bài báo này đưa ra bài toán khảo sát sự hội tụ của chuỗi số dựa trên các kết quả gần đây về tiêu chuẩn hội tụ của một chuỗi con của chuỗi điều hòa trên quan điểm của lĩnh vực học máy. Trong đó, sự so sánh tính tương đồng về mặt hội tụ hay phân kỳ của một chuỗi số dương với một chuỗi con của chuỗi điều hòa được đưa ra làm cơ sở cho nguyên lý đưa ra kết luận của thuật toán. Hướng tiếp cận của lĩnh vực học máy được xây dựng trên cơ sở lý thuyết được chứng minh chặt chẽ, mang đến cho lớp bài toán này một quy trình khảo sát được thực hiện tự động. Các kết quả nhận được trong bài báo là hữu ích với các chứng minh rõ ràng. Đó là những mở rộng từ các kết quả chính về các tiêu chuẩn hội tụ của chuỗi con của chuỗi điều hòa, được đề xuất bởi tác giả Đinh Văn Tiệp và cộng sự. Sự mở rộng này theo hướng thực hành và dễ dàng hơn để thực thi. Do đó, trình thực thi được xây dựng trong bài báo áp dụng những kết quả này là khả thi và hiệu quả hơn. Các ứng dụng này hy vọng sẽ là tiền đề được sử dụng trong việc mở rộng theo hướng tối ưu hóa tốc độ và khả năng tính toán khối lượng lớn, cũng như các hướng tiếp cận xấp xỉ hiện đại, chẳng hạn bằng phương pháp Monte-Carlo.
Từ khóa
Toàn văn:
PDFTài liệu tham khảo
[1] V. T. Dinh and T. T. H. Pham, “The convergence of a sub-series of harmonic series,” (in Vietnamese), TNU Journal of Science and Technology, vol. 162, no. 02: Natural Sciences - Engineering - Technology, pp. 177-182, 2017.
[2] J. Stewart, Essential Calculus: Early Transcendentals, Chapter 11. Belmont, CA: Thomson Higher Education, 2007.
[3] H. Nam, S. Kim and K. Jung, “Number Sequence Prediction Problems for Evaluating Computational Powers of Neural Networks,” Proceedings of the Thirty-Third AAAI Conference on Artificial Intelligence, 2019, Art. no. 568, pp. 4626–4633.
[4] N. Srivastava, G. E. Hinton, A. Krizhevsky, I. Sutskever, and R. D. Salakhutdinov, “A simple way to prevent neural networks from overfitting,” Journal of Machine Learning Research, vol. 15, no. 1, pp. 1929–1958, 2014.
[5] S. Hochreiter and J. Schmidhuber, “Long short-term memory,” Neural computation, vol. 9, no. 8, pp. 1735–1780, 1997.
[6] N. J. Higham, “The scaling and squaring method for the matrix exponential revisited,” SIAM review, vol. 51, no. 4, pp. 747-764, 2009.
[7] V. J. Hodge and J. Austin, “A Survey of Outlier Detection Methodologies,” Artificial Intelligence Review, vol. 22, no. 2, pp. 85–126, 2004.
[8] T. Schmelzer and R. Baillie, “Summing a curious, slowly convergent series,” The American Mathematical Monthly, vol. 115, no. 6, pp. 545–540, 2008.
[9] R. P. Jr. Boas and J. W. Jr. Wrench, “Partial sums of the harmonic series,” The American Mathematical Monthly, vol. 78, pp. 864–870, 1971.
DOI: https://doi.org/10.34238/tnu-jst.6362
Các bài báo tham chiếu
- Hiện tại không có bài báo tham chiếu