論文の概要: Geodesics in fibered latent spaces: A geometric approach to learning
correspondences between conditions
- arxiv url: http://arxiv.org/abs/2005.07852v3
- Date: Sun, 27 Dec 2020 11:46:48 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-02 13:07:47.634273
- Title: Geodesics in fibered latent spaces: A geometric approach to learning
correspondences between conditions
- Title(参考訳): ファイバー潜在空間における測地学--条件間の対応学習への幾何学的アプローチ
- Authors: Tariq Daouda, Reda Chhaibi, Prudencio Tossou, Alexandra-Chlo\'e
Villani
- Abstract要約: この研究は、異なる条件のサンプル間の対応を作成するための幾何学的枠組みと新しいネットワークアーキテクチャを導入する。
この形式の下では、潜伏空間は、条件を符号化する基底空間に成層化されたファイバー束であり、条件の変動を符号化するファイバー空間である。
- 参考スコア(独自算出の注目度): 62.997667081978825
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This work introduces a geometric framework and a novel network architecture
for creating correspondences between samples of different conditions. Under
this formalism, the latent space is a fiber bundle stratified into a base space
encoding conditions, and a fiber space encoding the variations within
conditions. Furthermore, this latent space is endowed with a natural pull-back
metric. The correspondences between conditions are obtained by minimizing an
energy functional, resulting in diffeomorphism flows between fibers.
We illustrate this approach using MNIST and Olivetti and benchmark its
performances on the task of batch correction, which is the problem of
integrating multiple biological datasets together.
- Abstract(参考訳): この研究は、異なる条件のサンプル間の対応を作成するための幾何学的枠組みと新しいネットワークアーキテクチャを導入する。
この形式の下では、潜在空間は、条件を符号化する基底空間と条件内の変動を符号化するファイバー空間に成層化されたファイバー束である。
さらに、この潜在空間には自然な引き戻し距離が与えられる。
条件間の対応はエネルギー汎関数を最小化し、繊維間の微分同相流をもたらす。
本稿では、mnistとolivettiを用いてこのアプローチを説明し、複数の生物学的データセットを統合する問題であるバッチ補正タスクの性能をベンチマークする。
関連論文リスト
- Neural Latent Geometry Search: Product Manifold Inference via
Gromov-Hausdorff-Informed Bayesian Optimization [21.97865037637575]
我々は、この新しい定式化を数学的に定義し、ニューラル潜在幾何探索(NLGS)として作成する。
計量幾何学からのグロモフ・ハウスドルフ距離に基づいて、候補潜在測地間の距離の新たな概念を提案する。
次に、潜在測地間の滑らかさの概念に基づいてグラフ探索空間を設計し、その計算を帰納バイアスとして利用する。
論文 参考訳(メタデータ) (2023-09-09T14:29:22Z) - Geometric Neural Diffusion Processes [55.891428654434634]
拡散モデルの枠組みを拡張して、無限次元モデリングに一連の幾何学的先行を組み込む。
これらの条件で、生成関数モデルが同じ対称性を持つことを示す。
論文 参考訳(メタデータ) (2023-07-11T16:51:38Z) - Few Shot Generative Model Adaption via Relaxed Spatial Structural
Alignment [130.84010267004803]
限られたデータでGAN(Generative Adversarial Network)を訓練することは難しい課題である。
実現可能な解決策は、大規模なソースドメインで十分に訓練されたGANから始め、ターゲットドメインにいくつかのサンプルで適応することである。
本研究では,適応時の対象生成モデルのキャリブレーションを行うための緩和された空間構造アライメント手法を提案する。
論文 参考訳(メタデータ) (2022-03-06T14:26:25Z) - Deep Networks on Toroids: Removing Symmetries Reveals the Structure of
Flat Regions in the Landscape Geometry [3.712728573432119]
我々は、すべての対称性を除去し、トロイダルトポロジーをもたらす標準化されたパラメータ化を開発する。
最小化器の平坦性とそれらの接続する測地線経路の有意義な概念を導出する。
また、勾配勾配の変種によって発見された最小化器は、ゼロエラー経路と1つの曲がり角で接続可能であることも見いだした。
論文 参考訳(メタデータ) (2022-02-07T09:57:54Z) - A Unifying and Canonical Description of Measure-Preserving Diffusions [60.59592461429012]
ユークリッド空間における測度保存拡散の完全なレシピは、最近、いくつかのMCMCアルゴリズムを単一のフレームワークに統合した。
我々は、この構成を任意の多様体に改善し一般化する幾何学理論を開発する。
論文 参考訳(メタデータ) (2021-05-06T17:36:55Z) - Exact imposition of boundary conditions with distance functions in
physics-informed deep neural networks [0.5804039129951741]
本稿では,偏微分方程式の深層学習におけるトレーニングを改善するために,人工ニューラルネットワークにおける幾何対応トライアル関数を提案する。
均質なディリクレ境界条件を正確に課すために、トライアル関数は、PINN近似により$phi$と乗算される。
アフィン境界と曲線境界を持つ領域上の線形および非線形境界値問題に対する数値解を提案する。
論文 参考訳(メタデータ) (2021-04-17T03:02:52Z) - Field Convolutions for Surface CNNs [19.897276088740995]
簡単な観測に基づいてベクトル場に作用する新しい曲面畳み込み演算子を提案する。
この定式化は、散乱演算において内在的な空間畳み込みと平行輸送を組み合わせる。
基本幾何処理タスクにおける標準ベンチマークの最先端結果を得る。
論文 参考訳(メタデータ) (2021-04-08T17:11:14Z) - Foundations of Population-Based SHM, Part IV: The Geometry of Spaces of
Structures and their Feature Spaces [0.0]
本稿では,構造ヘルスモニタリングにおける特徴空間の抽象的理論に必要な幾何学的構造について述べる。
論文の第2部では、特徴バンドルの正常状態断面を決定する問題に対処する。
このソリューションは、ユークリッドでない機械学習アルゴリズムであるグラフニューラルネットワーク(GNN)の応用によって提供される。
論文 参考訳(メタデータ) (2021-03-05T13:28:51Z) - Neural Operator: Graph Kernel Network for Partial Differential Equations [57.90284928158383]
この作業はニューラルネットワークを一般化し、無限次元空間(演算子)間の写像を学習できるようにすることである。
非線形活性化関数と積分作用素のクラスを構成することにより、無限次元写像の近似を定式化する。
実験により,提案したグラフカーネルネットワークには所望の特性があり,最先端技術と比較した場合の競合性能を示すことが確認された。
論文 参考訳(メタデータ) (2020-03-07T01:56:20Z) - Local Propagation in Constraint-based Neural Network [77.37829055999238]
ニューラルネットワークアーキテクチャの制約に基づく表現について検討する。
本稿では,いわゆるアーキテクチャ制約を満たすのに適した簡単な最適化手法について検討する。
論文 参考訳(メタデータ) (2020-02-18T16:47:38Z)
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。