使用p进数进行学习：一种新的机器学习方法

Research Paper#Machine Learning, p-adic Numbers, Representation Learning🔬 Research|分析: 2026年1月3日 19:44•
发布: 2025年12月27日 19:40
•
1分で読める
•ArXiv

分析

本文探讨了使用p进数（一种非阿基米德域）作为机器学习中实数的替代方案。它挑战了对实值表示和欧几里德几何的传统依赖，提出了一个基于p进数层次结构的框架。这项工作意义重大，因为它为表示学习开辟了一条新途径，可能在代码理论和层次数据建模等领域提供优势。论文的理论探索和语义网络的表示演示突出了其潜在影响。
引用 / 来源
查看原文
"The paper establishes the building blocks for classification, regression, and representation learning with the $p$-adics, providing learning models and algorithms."
A
ArXiv2025年12月27日 19:40
* 根据版权法第32条进行合法引用。
较旧

Instance Communication System for Intelligent Connected Vehicles: Bridging the Gap from Semantic to Instance-Level Transmission

较新

Multimodal Diffeomorphic Registration with Neural ODEs and Structural Descriptors

相关分析

Research Paper

SpaceTimePilot：时空控制的生成视频渲染

2026年1月3日 06:10

Research Paper

量子混沌哈密顿量演化下的随机性生成

2026年1月3日 06:10

Research Paper

GaMO：几何感知扩散用于稀疏视角3D重建

2026年1月3日 06:32

来源: ArXiv