論文の概要: Decomposed Adversarial Learned Inference
- arxiv url: http://arxiv.org/abs/2004.10267v1
- Date: Tue, 21 Apr 2020 20:00:35 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-11 06:12:43.479035
- Title: Decomposed Adversarial Learned Inference
- Title(参考訳): 逆数学習推論の分解
- Authors: Alexander Hanbo Li, Yaqing Wang, Changyou Chen, Jing Gao
- Abstract要約: 我々は,DALI(Decomposed Adversarial Learned Inference)という新しいアプローチを提案する。
DALIは、データ空間とコード空間の両方の事前および条件分布を明示的に一致させる。
MNIST, CIFAR-10, CelebAデータセットにおけるDALIの有効性を検証する。
- 参考スコア(独自算出の注目度): 118.27187231452852
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Effective inference for a generative adversarial model remains an important
and challenging problem. We propose a novel approach, Decomposed Adversarial
Learned Inference (DALI), which explicitly matches prior and conditional
distributions in both data and code spaces, and puts a direct constraint on the
dependency structure of the generative model. We derive an equivalent form of
the prior and conditional matching objective that can be optimized efficiently
without any parametric assumption on the data. We validate the effectiveness of
DALI on the MNIST, CIFAR-10, and CelebA datasets by conducting quantitative and
qualitative evaluations. Results demonstrate that DALI significantly improves
both reconstruction and generation as compared to other adversarial inference
models.
- Abstract(参考訳): 生成的敵モデルに対する効果的な推論は依然として重要かつ困難な問題である。
本稿では,データとコード空間の事前分布と条件分布を明示的に一致させる新しい手法であるDALIを提案し,生成モデルの依存性構造に直接的な制約を課す。
我々は、データに対するパラメトリックな仮定を使わずに効率的に最適化できる事前条件マッチング目的の等価な形式を導出する。
MNIST, CIFAR-10, CelebAデータセットに対するDALIの有効性を定量的および定性評価により検証した。
その結果,DALIは,他の逆推定モデルと比較して,再構成と生成の両方を著しく改善することが示された。
関連論文リスト
- Pseudo-Trilateral Adversarial Training for Domain Adaptive
Traversability Prediction [8.145900996884993]
トラバーサビリティ予測は、自律ナビゲーションの基本的な認識能力である。
非教師なしドメイン適応(UDA)を行うために、粗大なアライメント(CALI)を採用する新しい知覚モデルを提案する。
いくつかの挑戦的なドメイン適応設定において、提案したモデルが複数のベースラインよりも優れていることを示す。
論文 参考訳(メタデータ) (2023-06-26T00:39:32Z) - Towards Robust Aspect-based Sentiment Analysis through
Non-counterfactual Augmentations [40.71705332298682]
非事実的データ拡張に依存する代替手法を提案する。
我々のアプローチはさらにABSAロバストネスベンチマークの新たな最先端を確立し、ドメイン間でうまく転送する。
論文 参考訳(メタデータ) (2023-06-24T13:57:32Z) - Advancing Counterfactual Inference through Nonlinear Quantile Regression [77.28323341329461]
ニューラルネットワークで実装された効率的かつ効果的な対実的推論のためのフレームワークを提案する。
提案手法は、推定された反事実結果から見つからないデータまでを一般化する能力を高める。
複数のデータセットで実施した実証実験の結果は、我々の理論的な主張に対する説得力のある支持を提供する。
論文 参考訳(メタデータ) (2023-06-09T08:30:51Z) - EEE, Remediating the failure of machine learning models via a
network-based optimization patch [2.449329947677678]
ネットワークベースの最適化手法であるEEEは、検証可能な状態推定を提供する目的で提案されている。
EEEは、効率と収束の点で、競争力があるか、一般的な最適化手法よりも優れていることが示されている。
論文 参考訳(メタデータ) (2023-04-22T05:23:46Z) - Stochastic Methods for AUC Optimization subject to AUC-based Fairness
Constraints [51.12047280149546]
公正な予測モデルを得るための直接的なアプローチは、公正な制約の下で予測性能を最適化することでモデルを訓練することである。
フェアネスを考慮した機械学習モデルのトレーニング問題を,AUCに基づくフェアネス制約のクラスを対象とする最適化問題として定式化する。
フェアネス測定値の異なる実世界のデータに対するアプローチの有効性を実証する。
論文 参考訳(メタデータ) (2022-12-23T22:29:08Z) - A bandit-learning approach to multifidelity approximation [7.960229223744695]
マルチファイデリティ近似は、科学計算とシミュレーションにおいて重要な技術である。
異なる忠実度のデータを利用して正確な推定を行うためのバンディットラーニング手法を紹介します。
論文 参考訳(メタデータ) (2021-03-29T05:29:35Z) - Robust Bayesian Inference for Discrete Outcomes with the Total Variation
Distance [5.139874302398955]
離散的に評価された結果のモデルは、データがゼロインフレーション、過分散または汚染を示す場合、容易に誤特定される。
ここでは、Ttal Variation Distance (TVD) を用いた頑健な相違に基づくベイズ的アプローチを提案する。
我々は、我々のアプローチが堅牢で、シミュレーションおよび実世界のデータの範囲で予測性能を著しく改善していることを実証的に実証した。
論文 参考訳(メタデータ) (2020-10-26T09:53:06Z) - Accounting for Unobserved Confounding in Domain Generalization [107.0464488046289]
本稿では,データセットの組み合わせから頑健で一般化可能な予測モデルを学習する際の問題点について検討する。
堅牢なモデルを学ぶことの課題の一部は、保存されていない共同設立者の影響にある。
異なるモダリティの医療データに対するアプローチの実証的性能を実証する。
論文 参考訳(メタデータ) (2020-07-21T08:18:06Z) - Control as Hybrid Inference [62.997667081978825]
本稿では、反復推論と償却推論のバランスを自然に仲介するCHIの実装について述べる。
連続的な制御ベンチマークでアルゴリズムのスケーラビリティを検証し、強力なモデルフリーおよびモデルベースラインを上回る性能を示す。
論文 参考訳(メタデータ) (2020-07-11T19:44:09Z) - Causal Feature Selection for Algorithmic Fairness [61.767399505764736]
データ管理の統合コンポーネントにおける公平性について検討する。
本稿では,データセットの公平性を保証する特徴のサブコレクションを同定する手法を提案する。
論文 参考訳(メタデータ) (2020-06-10T20:20:10Z)
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。