Fugu-MT 論文翻訳(概要): ReLU Code Space: A Basis for Rating Network Quality Besides Accuracy

論文の概要: ReLU Code Space: A Basis for Rating Network Quality Besides Accuracy

arxiv url: http://arxiv.org/abs/2005.09903v1
Date: Wed, 20 May 2020 08:10:28 GMT
ステータス: 処理完了
システム内更新日: 2022-12-01 04:46:18.771438
Title: ReLU Code Space: A Basis for Rating Network Quality Besides Accuracy
Title（参考訳）: reluコード空間:精度に加えてネットワーク品質の評価の基礎
Authors: Natalia Shepeleva, Werner Zellinger, Michal Lewandowski and Bernhard Moser
Abstract要約: 本稿では,ハンミング距離を縮小したReLUアクティベーション符号の新たな距離空間を提案する。このアイソメトリーは多面体間の隣接関係の効率的な計算を可能にする。
参考スコア（独自算出の注目度）: 5.497832119577795
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We propose a new metric space of ReLU activation codes equipped with a truncated Hamming distance which establishes an isometry between its elements and polyhedral bodies in the input space which have recently been shown to be strongly related to safety, robustness, and confidence. This isometry allows the efficient computation of adjacency relations between the polyhedral bodies. Experiments on MNIST and CIFAR-10 indicate that information besides accuracy might be stored in the code space.
Abstract（参考訳）: 本稿では,最近,安全性,ロバスト性,信頼性に強く関係していることが判明した入力空間における,その要素と多面体との等長性を確立する,切断ハミング距離を備えたreluアクティベーション符号の新しい計量空間を提案する。このアイソメトリーは多面体間の隣接関係の効率的な計算を可能にする。 MNISTとCIFAR-10の実験では、精度以外の情報はコード空間に格納される可能性がある。

関連論文リスト

SPARE: Symmetrized Point-to-Plane Distance for Robust Non-Rigid Registration [76.40993825836222]
本研究では,SPAREを提案する。SPAREは,非剛性登録のための対称化点-平面間距離を用いた新しい定式化である。提案手法は, 厳密でない登録問題の精度を大幅に向上し, 比較的高い解効率を維持する。
論文参考訳（メタデータ） (2024-05-30T15:55:04Z)
Locality-preserving Directions for Interpreting the Latent Space of Satellite Image GANs [20.010911311234718]
本稿では,ウェーブレットをベースとしたGAN(Generative Adversarial Networks)の潜伏空間を解釈する局所性認識手法を提案する。局所性を保存することに集中して,提案手法は事前学習したGANの重み空間を分解し,解釈可能な方向を復元することができる。
論文参考訳（メタデータ） (2023-09-26T12:29:36Z)
Disentangling Learning Representations with Density Estimation [9.244163477446799]
本稿では, 遅延空間のフレキシブルな密度推定により, 信頼性の高い絡み合いを実現する手法を提案する。 GCAEは最先端のベースラインと比較して、非常に競争力が高く信頼性の高いアンタングルメントスコアを達成している。
論文参考訳（メタデータ） (2023-02-08T22:37:33Z)
A Latent Space Correlation-Aware Autoencoder for Anomaly Detection in Skewed Data [0.0]
本稿では,潜時次元相関を計測し,近距離異常と遠距離異常の両方を効果的に検出するカーネル化オートエンコーダを提案する。多目的関数は2つの目標を持ち、頑健なMD距離の形で潜在特徴空間内の相関情報を計測する。
論文参考訳（メタデータ） (2023-01-01T19:40:06Z)
The Geometry of Robust Value Functions [119.94715309072983]
非ロバストな値空間とロバストな値空間の両方を特徴付ける新しい視点を導入する。我々は、ロバストな値空間が、一つの状態に一致するすべてのポリシーのロバストな値を含む集合の円錐超曲面によって決定されることを示す。
論文参考訳（メタデータ） (2022-01-30T22:12:17Z)
Meta Learning Low Rank Covariance Factors for Energy-Based Deterministic Uncertainty [58.144520501201995]
ニューラルネットワーク層のBi-Lipschitz正規化は、各レイヤの特徴空間におけるデータインスタンス間の相対距離を保存する。注意セットエンコーダを用いて,タスク固有の共分散行列を効率的に構築するために,対角的,対角的,低ランクな要素のメタ学習を提案する。また,最終的な予測分布を達成するために,スケールしたエネルギーを利用する推論手法を提案する。
論文参考訳（メタデータ） (2021-10-12T22:04:19Z)
Featurized Density Ratio Estimation [82.40706152910292]
本研究では,2つの分布を推定前の共通特徴空間にマッピングするために,可逆生成モデルを活用することを提案する。この偉業化は、学習された入力空間の密度比が任意に不正確な場合、潜在空間において密度が密接な関係をもたらす。同時に、特徴写像の可逆性は、特徴空間で計算された比が入力空間で計算された比と同値であることを保証する。
論文参考訳（メタデータ） (2021-07-05T18:30:26Z)
Interventional Assays for the Latent Space of Autoencoders [15.467917633235162]
本稿では,学習したデータ多様体を探索する潜在応答というフレームワークを提案する。我々は、トレーニングされたVAEの潜伏空間が選択された前とどの程度一致しているかを確認するために、表現の「穴」を調査する。各種ベンチマークデータセットのVAEを用いて,本分析によって生成したサンプルの品質が向上するかを評価する。
論文参考訳（メタデータ） (2021-06-30T14:31:08Z)
Dense Label Encoding for Boundary Discontinuity Free Rotation Detection [69.75559390700887]
本稿では,分類に基づく比較的研究の少ない方法論について検討する。我々は2つの側面でフロンティアを推し進めるための新しい手法を提案する。航空画像のための大規模公開データセットの実験と視覚解析は,我々のアプローチの有効性を示している。
論文参考訳（メタデータ） (2020-11-19T05:42:02Z)
Geometry-Aware Hamiltonian Variational Auto-Encoder [0.0]
変分自己エンコーダ(VAE)は、データよりもはるかに小さな次元空間にある潜在変数を抽出することにより、次元削減を行うのに適したツールであることが証明されている。しかし、そのような生成モデルは、医学のような多くの現実の分野に豊富に存在する小さなデータセットで訓練すると、性能が低下する可能性がある。このような潜在空間モデリングは、より意味のある、よりリアルなデータ生成、より信頼性の高いクラスタリングに繋がる基盤構造に関する有用な情報を提供する、と我々は主張する。
論文参考訳（メタデータ） (2020-10-22T08:26:46Z)
A Point-Cloud Deep Learning Framework for Prediction of Fluid Flow Fields on Irregular Geometries [62.28265459308354]
ネットワークは空間位置とCFD量のエンドツーエンドマッピングを学習する。断面形状の異なるシリンダーを過ぎる非圧縮層状定常流を考察する。ネットワークは従来のCFDの数百倍の速さで流れ場を予測する。
論文参考訳（メタデータ） (2020-10-15T12:15:02Z)

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。