Fugu-MT 論文翻訳(概要): Learning Irreducible Representations of Noncommutative Lie Groups

論文の概要: Learning Irreducible Representations of Noncommutative Lie Groups

arxiv url: http://arxiv.org/abs/2006.00724v2
Date: Sun, 4 Oct 2020 00:58:16 GMT
ステータス: 処理完了
システム内更新日: 2022-11-26 06:04:00.186182
Title: Learning Irreducible Representations of Noncommutative Lie Groups
Title（参考訳）: 非可換リー群の既約表現の学習
Authors: Noah Shutty and Casimir Wierzynski
Abstract要約: 最近の研究は、2Dや3D回転のような連続対称性群と等価なニューラルネットワークを構築している。回転や翻訳を超えた等分散のフロンティア応用によって動機付けられた2つの貢献を示す。
参考スコア（独自算出の注目度）: 3.1727619150610837
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Recent work has constructed neural networks that are equivariant to continuous symmetry groups such as 2D and 3D rotations. This is accomplished using explicit group representations to derive the equivariant kernels and nonlinearities. We present two contributions motivated by frontier applications of equivariance beyond rotations and translations. First, we relax the requirement for explicit Lie group representations, presenting a novel algorithm that finds irreducible representations of noncommutative Lie groups given only the structure constants of the associated Lie algebra. Second, we demonstrate that Lorentz-equivariance is a useful prior for object-tracking tasks and construct the first object-tracking model equivariant to the Poincar\'e group.
Abstract（参考訳）: 最近の研究は、2Dや3D回転のような連続対称性群と等価なニューラルネットワークを構築している。これは明示的な群表現を用いて、同変核と非線形性を引き出す。回転や翻訳を超えた等分散のフロンティア応用によって動機付けられた2つの貢献を示す。まず、明示的なリー群表現の要件を緩和し、関連するリー代数の構造定数のみを与える非可換リー群の既約表現を求める新しいアルゴリズムを示す。第二に、ローレンツ同値性がオブジェクト追跡タスクに有用であることを示すとともに、poincar\'e 群に同値な最初のオブジェクト追跡モデルを構築する。

関連論文リスト

A Characterization Theorem for Equivariant Networks with Point-wise Activations [13.00676132572457]
回転同変ネットワークは、連結コンパクト群に対して同変である任意のネットワークに対してのみ不変であることを示す。本稿では, 畳み込み可能な畳み込み型ニューラルネットワークの特徴空間が, 自明な表現であることを示す。
論文参考訳（メタデータ） (2024-01-17T14:30:46Z)
Lie Group Decompositions for Equivariant Neural Networks [12.139222986297261]
コンボリューションカーネルをパラメータ化してアフィン変換に対する同変モデルを構築する方法を示す。我々は,ベンチマークアフィン不変分類タスクにおいて,モデルのロバスト性と分布外一般化能力を評価する。
論文参考訳（メタデータ） (2023-10-17T16:04:33Z)
Deep Learning Symmetries and Their Lie Groups, Algebras, and Subalgebras from First Principles [55.41644538483948]
ラベル付きデータセットに存在する連続した対称性群の検出と同定のためのディープラーニングアルゴリズムを設計する。完全に接続されたニューラルネットワークを用いて、変換対称性と対応するジェネレータをモデル化する。また,Lie群とその性質の数学的研究に機械学習アプローチを使うための扉を開く。
論文参考訳（メタデータ） (2023-01-13T16:25:25Z)
Unified Fourier-based Kernel and Nonlinearity Design for Equivariant Networks on Homogeneous Spaces [52.424621227687894]
等質空間上の群同変ネットワークに対する統一的枠組みを導入する。昇降した特徴場のフーリエ係数の空間性を利用する。安定化部分群におけるフーリエ係数としての特徴を取り扱う他の方法が、我々のアクティベーションの特別な場合であることを示す。
論文参考訳（メタデータ） (2022-06-16T17:59:01Z)
Capacity of Group-invariant Linear Readouts from Equivariant Representations: How Many Objects can be Linearly Classified Under All Possible Views? [21.06669693699965]
分離可能な二コトミーの分数は群作用によって固定される空間の次元によって決定される。この関係が、畳み込み、要素ワイド非線形性、大域的および局所的なプーリングなどの操作にどのように拡張されるかを示す。
論文参考訳（メタデータ） (2021-10-14T15:46:53Z)
Convolutional Filtering and Neural Networks with Non Commutative Algebras [153.20329791008095]
本研究では,非可換畳み込みニューラルネットワークの一般化について検討する。非可換畳み込み構造は作用素空間上の変形に対して安定であることを示す。
論文参考訳（メタデータ） (2021-08-23T04:22:58Z)
Commutative Lie Group VAE for Disentanglement Learning [96.32813624341833]
本研究では,データに表される因子の変動を同変的に反映する基盤構造を見いだすこととして,非絡み合い学習を考察する。グループベースの非絡み合い学習を実現するために、Communative Lie Group VAEというシンプルなモデルが導入された。実験により,本モデルでは,教師なしの非絡み合い表現を効果的に学習し,余分な制約を伴わずに最先端のパフォーマンスを達成できることが示されている。
論文参考訳（メタデータ） (2021-06-07T07:03:14Z)
GroupifyVAE: from Group-based Definition to VAE-based Unsupervised Representation Disentanglement [91.9003001845855]
他の誘導バイアスを導入しないと、VAEベースの非監視的非絡み合いは実現できない。グループ理論に基づく定義から導かれる制約を非確率的帰納的バイアスとして活用し,vaeに基づく教師なし不連続に対処する。提案手法の有効性を検証するために,5つのデータセット上で,vaeベースモデルが最も目立つ1800モデルをトレーニングした。
論文参考訳（メタデータ） (2021-02-20T09:49:51Z)
LieTransformer: Equivariant self-attention for Lie Groups [49.9625160479096]
群等価ニューラルネットワークは群不変ニューラルネットワークの構成要素として用いられる。我々は、文学の範囲を、ディープラーニングモデルの顕著な構築ブロックとして現れつつある自己注意にまで広げる。任意のリー群とその離散部分群に同値なリー自己結合層からなる構造であるリー変換器を提案する。
論文参考訳（メタデータ） (2020-12-20T11:02:49Z)
Applying Lie Groups Approaches for Rigid Registration of Point Clouds [3.308743964406687]
リー群とリー代数を用いて、点雲で表される2つの曲面を最もよく登録する剛変換を求める。いわゆる双対剛性登録は、本質的な二階配向テンソルを比較することで定式化することができる。リー代数に配向テンソル場を埋め込む際に有望な結果を示す。
論文参考訳（メタデータ） (2020-06-23T21:26:57Z)

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。