Ich habe ein Tool erstellt, das versteckte mathematische „DNA“ in strukturierten Daten findet, die kein Training erforderlich sind.
Es entdeckt strukturelle Muster wie Symmetrie, Rang, Sparsity und Entropie und verwendet sie, um bessere Algorithmen, Cross-Domain-Erkenntnisse und Optimierungsstrategien zu leiten.
Was es tut
find_hyperdimensional_connections scannt jede Matrix (z. B. Tabelle, Diagramm, Einbettung, Signal) und deckt auf:
- Symmetrie, Sparsity, Eigenwertverteilungen
- Entropie, Rang, funktionales Layout
- Symbolische Beziehungen über nicht verwandte Datentypen hinweg
Keine Etiketten. Kein Modelltraining. Nur Mathe.
Warum es sich von Standard ML unterscheidet
Die meisten ML -Tools:
- Erfordern beschriftete Trainingsdaten
- Lernen Sie von Grund auf neu, Aufgabe durch Aufgabe
- Ausgabe von Black-Box-Vorhersagen
Dieses Tool:
- Arbeitet aus dem Feld
- Analysiert die Struktur direkt
- Erzeugt interpretierbare, symbolische Ausgänge
Probieren Sie es jetzt aus (kein Setup benötigt)
- Colab: https://colab.research.google.com/github/fikayoay/matrixtransformer/blob/main/run_demo.ipynb
- Bindemittel: https://mybinder.org/v2/gh/fikayoay/matrixtransformer/head?filepath=run_demo.ipynb
- Githubub: MatrixTransformator
Dies ist nicht PCA/T-Sne. Es dient nicht zur Reduzierung der Größe, um das zu entdecken Mathematik hinter der Form Ihrer Daten.
Von Hyper_graph
2 Kommentare
Okay, so I took it in good faith when this guy posted yesterday with a lengthy but [somewhat academically problematic post](https://www.reddit.com/r/dataisbeautiful/s/M3fGKABDnk). However, his answers to my questions made no sense and were pretty disingenuous. Moreover, the difference in his writing style in the post in the comments make me suspicious that he used an LLM to write this. Today, I’m pretty certain this is spam.
Anyway: R3 missing data source.
I read some…
After reading some of your paper, I’m wondering about how you chose your terms for things. For example, why call it „projecting to a hypersphere“ when most people who have taken a Linear Algebra course would call it „multiplying a scalar and a normalized vector“?