論文の概要: Inverse Problems, Deep Learning, and Symmetry Breaking
- arxiv url: http://arxiv.org/abs/2003.09077v1
- Date: Fri, 20 Mar 2020 02:43:57 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-21 22:24:34.651420
- Title: Inverse Problems, Deep Learning, and Symmetry Breaking
- Title(参考訳): 逆問題, 深層学習, 対称性の破れ
- Authors: Kshitij Tayal, Chieh-Hsin Lai, Vipin Kumar, Ju Sun
- Abstract要約: 多くの物理系では、固有系対称性による入力は同じ出力にマッピングされる。
トレーニングデータに対する注意的対称性の破れは,その難しさを解消し,学習性能を著しく向上させることを示す。
- 参考スコア(独自算出の注目度): 6.54545059421233
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In many physical systems, inputs related by intrinsic system symmetries are
mapped to the same output. When inverting such systems, i.e., solving the
associated inverse problems, there is no unique solution. This causes
fundamental difficulties for deploying the emerging end-to-end deep learning
approach. Using the generalized phase retrieval problem as an illustrative
example, we show that careful symmetry breaking on the training data can help
get rid of the difficulties and significantly improve the learning performance.
We also extract and highlight the underlying mathematical principle of the
proposed solution, which is directly applicable to other inverse problems.
- Abstract(参考訳): 多くの物理系では、固有系対称性による入力は同じ出力にマッピングされる。
そのようなシステム、すなわち関連する逆問題を解決するとき、一意の解は存在しない。
これにより、新興のエンドツーエンドディープラーニングアプローチを展開する上で、根本的な困難が発生します。
一般化された位相検索問題を例示として,訓練データに対する注意深い対称性の破断が難易度を解消し,学習性能を著しく向上できることを示す。
また,他の逆問題に対して直接適用可能な解の数学的原理を抽出・強調する。
関連論文リスト
- Reverse em-problem based on Bregman divergence and its application to classical and quantum information theory [53.64687146666141]
近年,反復を必要とせずにチャネル容量を計算できる解析手法が提案されている。
トヨタが提案した逆のEm-problemに注意を向けます。
逆の Em-problem の非定型式を導出する。
論文 参考訳(メタデータ) (2024-03-14T10:20:28Z) - Robustness and Exploration of Variational and Machine Learning
Approaches to Inverse Problems: An Overview [50.166025644333295]
本稿では,変分法と機械学習を用いた画像の逆問題に対する現在のアプローチの概要について述べる。
特別な焦点は、点推定器とその敵の摂動に対する頑健性である。
論文 参考訳(メタデータ) (2024-02-19T11:48:11Z) - Exploring the solution space of linear inverse problems with GAN latent
geometry [23.779985842891705]
逆問題とは、不完全な測定セットからの信号の再構成である。
そこで本研究では, 生成的逆数ネットワークによって学習された, 測定値とデータ駆動型事前学習の両方に適合する複数の再構成を生成する手法を提案する。
論文 参考訳(メタデータ) (2022-07-01T14:33:44Z) - Physics-informed neural network simulation of multiphase poroelasticity
using stress-split sequential training [0.0]
本稿では、弾性ネットワークに基づく偏微分方程式(PDE)に支配される問題を解くための枠組みを提案する。
この手法は, ポロシ, バリ・シエの注入-生産問題, および2相排水問題の解法に収束する。
論文 参考訳(メタデータ) (2021-10-06T20:09:09Z) - Conditional physics informed neural networks [85.48030573849712]
固有値問題のクラス解を推定するための条件付きPINN(物理情報ニューラルネットワーク)を紹介します。
一つのディープニューラルネットワークが、問題全体に対する偏微分方程式の解を学習できることが示される。
論文 参考訳(メタデータ) (2021-04-06T18:29:14Z) - Consistency analysis of bilevel data-driven learning in inverse problems [1.0705399532413618]
本稿では,データからの正規化パラメータの適応学習を最適化により検討する。
線形逆問題に対する我々のフレームワークの実装方法を示す。
勾配降下法を用いてオンライン数値スキームを導出する。
論文 参考訳(メタデータ) (2020-07-06T12:23:29Z) - Total Deep Variation: A Stable Regularizer for Inverse Problems [71.90933869570914]
本稿では,データ駆動型汎用全深度変動正規化器について紹介する。
コアでは、畳み込みニューラルネットワークが複数のスケールや連続したブロックで局所的な特徴を抽出する。
我々は多数の画像処理タスクに対して最先端の結果を得る。
論文 参考訳(メタデータ) (2020-06-15T21:54:15Z) - Regularization of Inverse Problems by Neural Networks [0.0]
逆問題は、計算トモグラフィー、非破壊検査、リモートセンシングを含む様々な画像アプリケーションで発生する。
逆問題の特徴は、解の非特異性と不安定性である。
ディープラーニング技術とニューラルネットワークは、逆問題に対する古典的解法を大幅に上回ることを示した。
論文 参考訳(メタデータ) (2020-06-06T20:49:12Z) - Solving Inverse Problems with a Flow-based Noise Model [100.18560761392692]
本研究では,従来の正規化フローを用いた画像逆問題について検討する。
我々の定式化は、この解を測定値に条件付けされた画像の最大後値推定とみなす。
提案手法の様々な逆問題に対する有効性について実験的に検証した。
論文 参考訳(メタデータ) (2020-03-18T08:33:49Z) - Total Deep Variation for Linear Inverse Problems [71.90933869570914]
本稿では,近年のアーキテクチャ設計パターンを深層学習から活用する,学習可能な汎用正規化手法を提案する。
本稿では,古典的画像復元と医用画像再構成問題に対する最先端の性能について述べる。
論文 参考訳(メタデータ) (2020-01-14T19:01:50Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。