The Unified Tensor Theoretical Framework: A Differentiable Dynamical Systems Perspective on Artificial Intelligence
Year: 2025
Type: preprint
Abstract: 本文提出了一个全面而统一的理论框架，用于理解和 衍生出绝大多数现有的人工智能 （AI）、神经网络和深度学习 模型。我们假设这些模型可以概念化为可微分的特殊实例 张量动力系统。该系统由一组描述状态的通用方程控制 进化、标量目标函数和基于张量微积分的学习动力学机制。 我们通过明确推导经典来展示该框架的非凡表达能力 机器学习模型（例如，线性回归、SVM、k-Means）、现代深度学习架构 （例如，MLP、CNN、RNN、LSTM、变压器、GNN、VAE、GAN）和生物启发 模型（例如，尖峰神经网络）作为框架组件的特定配置。 此外，我们将这种统一模型的机制与生物智能的机制进行了对比， 讨论深度集成的路径，例如预测编码和事件驱动的稀疏计算。 所提出的框架不仅可以作为分析和比较的有力镜头，而且还可以作为 人工智能架构设计创新的基础蓝图。
Authors: Dongqi Liu, shifa liu
Language: English
Subfield: Artificial Intelligence
Field: Computer Science
Domain: Physical Sciences
Open Access status: gold
OpenAlex ID: W4414195030
Cites:
Cited by:
Related to: