論文の概要: COT-GAN: Generating Sequential Data via Causal Optimal Transport

• arxiv url: http://arxiv.org/abs/2006.08571v2
• Date: Wed, 21 Oct 2020 19:19:38 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-21 03:14:29.483310
• Title: COT-GAN: Generating Sequential Data via Causal Optimal Transport
• Title（参考訳）: COT-GAN:因果的最適輸送による逐次データ生成
• Authors: Tianlin Xu, Li K. Wenliang, Michael Munn, Beatrice Acciaio
• Abstract要約: 逐次データを生成するために暗黙的な生成モデルを訓練する逆アルゴリズムであるCOT-GANを導入する。 アルゴリズムの成功は、学習のバイアスを減らしたシンクホーン発散の新たな改良版にも依存している。
• 参考スコア（独自算出の注目度）: 4.588028371034406
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We introduce COT-GAN, an adversarial algorithm to train implicit generative models optimized for producing sequential data. The loss function of this algorithm is formulated using ideas from Causal Optimal Transport (COT), which combines classic optimal transport methods with an additional temporal causality constraint. Remarkably, we find that this causality condition provides a natural framework to parameterize the cost function that is learned by the discriminator as a robust (worst-case) distance, and an ideal mechanism for learning time dependent data distributions. Following Genevay et al.\ (2018), we also include an entropic penalization term which allows for the use of the Sinkhorn algorithm when computing the optimal transport cost. Our experiments show effectiveness and stability of COT-GAN when generating both low- and high-dimensional time series data. The success of the algorithm also relies on a new, improved version of the Sinkhorn divergence which demonstrates less bias in learning.
• Abstract（参考訳）: 逐次データ生成に最適化された暗黙的生成モデルをトレーニングするための逆アルゴリズムであるCOT-GANを導入する。 このアルゴリズムの損失関数は、古典的最適輸送法と追加の時間因果制約を組み合わせたCausal Optimal Transport (COT)のアイデアを用いて定式化される。 驚くべきことに、この因果関係条件は、識別者がロバスト(ワーストケース)距離として学習するコスト関数をパラメータ化する自然な枠組みと、時間依存データ分布を学習するための理想的なメカニズムを提供する。 Genevayなどに続く。 また,Sinkhornアルゴリズムを最適輸送コストの計算に用いるエントロピックなペナル化項も含んでいる。 低次元および高次元の時系列データを生成する際のCOT-GANの有効性と安定性を示す。 アルゴリズムの成功は、学習のバイアスを減らしたシンクホーン発散の新たな改良版にも依存している。

関連論文リスト

• Accelerated zero-order SGD under high-order smoothness and overparameterized regime [79.85163929026146]
  凸最適化問題を解くための新しい勾配のないアルゴリズムを提案する。 このような問題は医学、物理学、機械学習で発生する。 両種類の雑音下で提案アルゴリズムの収束保証を行う。
  論文  参考訳（メタデータ） (2024-11-21T10:26:17Z)
• Conditional Denoising Diffusion for Sequential Recommendation [62.127862728308045]
  GAN(Generative Adversarial Networks)とVAE(VAE)の2つの顕著な生成モデル GANは不安定な最適化に苦しむ一方、VAEは後続の崩壊と過度に平らな世代である。 本稿では,シーケンスエンコーダ,クロスアテンティブデノナイジングデコーダ,ステップワイズディフューザを含む条件付きデノナイジング拡散モデルを提案する。
  論文  参考訳（メタデータ） (2023-04-22T15:32:59Z)
• Generative modeling of time-dependent densities via optimal transport and projection pursuit [3.069335774032178]
  本稿では,時間的モデリングのための一般的なディープラーニングアルゴリズムの代替として,安価に提案する。 我々の手法は最先端の解法と比較して非常に競争力がある。
  論文  参考訳（メタデータ） (2023-04-19T13:50:13Z)
• Optimal Algorithms for the Inhomogeneous Spiked Wigner Model [89.1371983413931]
  不均一な問題に対する近似メッセージパッシングアルゴリズム(AMP)を導出する。 特に,情報理論の閾値よりも大きい信号と雑音の比を必要とする既知のアルゴリズムが,ランダムよりも優れた処理を行うための統計的・計算的ギャップの存在を同定する。
  論文  参考訳（メタデータ） (2023-02-13T19:57:17Z)
• Fast Computation of Optimal Transport via Entropy-Regularized Extragradient Methods [75.34939761152587]
  2つの分布間の最適な輸送距離の効率的な計算は、様々な応用を促進するアルゴリズムとして機能する。 本稿では,$varepsilon$加法精度で最適な輸送を計算できるスケーラブルな一階最適化法を提案する。
  論文  参考訳（メタデータ） (2023-01-30T15:46:39Z)
• Entropic Neural Optimal Transport via Diffusion Processes [105.34822201378763]
  本稿では,連続確率分布間のエントロピー最適輸送(EOT)計画を計算するための新しいアルゴリズムを提案する。 提案アルゴリズムは,シュリンガーブリッジ問題(Schr"odinger Bridge problem)として知られるEOTの動的バージョンのサドル点再構成に基づく。 大規模EOTの従来の手法とは対照的に,我々のアルゴリズムはエンドツーエンドであり,単一の学習ステップで構成されている。
  論文  参考訳（メタデータ） (2022-11-02T14:35:13Z)
• Quantized Conditional COT-GAN for Video Prediction [3.8073142980733]
  因果的最適輸送(COT)は、古典的最適輸送問題に時間的因果性制約を課すことによって生じる。 シーケンス予測に適した条件付きCOT-GANを開発した。 得られた量子化された条件付きCOT-GANアルゴリズムは、ビデオ予測に応用される。
  論文  参考訳（メタデータ） (2021-06-10T11:10:53Z)
• Low-Rank Hankel Tensor Completion for Traffic Speed Estimation [7.346671461427793]
  交通状態推定問題に対する純粋にデータ駆動型かつモデルフリーなソリューションを提案する。 このテンソル構造に低ランクな仮定を課すことで、大域的パターンと未知の複素局所力学の両方を近似することができる。 本研究では,合成シミュレーションデータと実世界の高分解能データの両方について数値実験を行い,提案モデルの有効性と優位性を実証した。
  論文  参考訳（メタデータ） (2021-05-21T00:08:06Z)
• Feature Robust Optimal Transport for High-dimensional Data [125.04654605998618]
  本研究では,高次元データに対する特徴量ロバスト最適輸送(FROT)を提案する。 実世界の意味対応データセットにおいて,FROTアルゴリズムが最先端の性能を実現することを示す。
  論文  参考訳（メタデータ） (2020-05-25T14:07:16Z)
• Learning Cost Functions for Optimal Transport [44.64193016158591]
  逆最適輸送(英: Inverse optimal transport, OT)とは、観測された輸送計画またはそのサンプルから、OTのコスト関数を学習する問題を指す。 逆OT問題の制約のない凸最適化式を導出し、任意のカスタマイズ可能な正規化によりさらに拡張することができる。
  論文  参考訳（メタデータ） (2020-02-22T07:27:17Z)

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。