Fugu-MT 論文翻訳(概要): Isometric Gaussian Process Latent Variable Model for Dissimilarity Data

論文の概要: Isometric Gaussian Process Latent Variable Model for Dissimilarity Data

arxiv url: http://arxiv.org/abs/2006.11741v2
Date: Tue, 8 Jun 2021 15:45:54 GMT
ステータス: 処理完了
システム内更新日: 2022-11-18 11:40:26.061705
Title: Isometric Gaussian Process Latent Variable Model for Dissimilarity Data
Title（参考訳）: 異種データに対する等尺ガウス過程潜在変数モデル
Authors: Martin J{\o}rgensen and S{\o}ren Hauberg
Abstract要約: 本稿では、潜在変数がモデル化データの距離と位相の両方を尊重する確率モデルを提案する。このモデルは、対距離の観測に基づく変分推論によって推定される。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We present a probabilistic model where the latent variable respects both the distances and the topology of the modeled data. The model leverages the Riemannian geometry of the generated manifold to endow the latent space with a well-defined stochastic distance measure, which is modeled locally as Nakagami distributions. These stochastic distances are sought to be as similar as possible to observed distances along a neighborhood graph through a censoring process. The model is inferred by variational inference based on observations of pairwise distances. We demonstrate how the new model can encode invariances in the learned manifolds.
Abstract（参考訳）: 我々は, 潜在変数がモデル化データの距離と位相の両方を尊重する確率的モデルを提案する。このモデルは生成多様体のリーマン幾何学を利用して、局所的に中上分布としてモデル化されるよく定義された確率距離測度で潜在空間を与える。これらの確率距離は、検閲プロセスを通じて近傍グラフに沿って観測される距離と可能な限り類似している。このモデルは双対距離の観測に基づく変分推論によって推測される。学習多様体の不変性を新しいモデルでエンコードする方法を実証する。

関連論文リスト

Reconstructing Galaxy Cluster Mass Maps using Score-based Generative Modeling [9.386611764730791]
本稿では,銀河団のガス・ダークマター投影密度マップをスコアベース生成モデルを用いて再構成する手法を提案する。拡散モデルでは, 模擬SZおよびX線像を条件付き観測として捉え, 学習データ後部からのサンプリングにより, 対応するガスおよびダークマターマップの実現を図っている。
論文参考訳（メタデータ） (2024-10-03T18:00:03Z)
Latent diffusion models for parameterization and data assimilation of facies-based geomodels [0.0]
拡散モデルは、ランダムノイズを特徴とする入力場から新しい地質学的実現を生成するために訓練される。遅延拡散モデルは、ジオモデリングソフトウェアからのサンプルと視覚的に整合した実現を提供する。
論文参考訳（メタデータ） (2024-06-21T01:32:03Z)
von Mises Quasi-Processes for Bayesian Circular Regression [57.88921637944379]
円値ランダム関数上の表現的および解釈可能な分布の族を探索する。結果の確率モデルは、統計物理学における連続スピンモデルと関係を持つ。後続推論のために、高速マルコフ連鎖モンテカルロサンプリングに寄与するストラトノビッチのような拡張を導入する。
論文参考訳（メタデータ） (2024-06-19T01:57:21Z)
Manifold-augmented Eikonal Equations: Geodesic Distances and Flows on Differentiable Manifolds [5.0401589279256065]
多様体の幾何学が距離場にどのように影響するかを示し、測地線流を利用して、グローバルな長さ最小曲線を直接得る。この研究は、微分可能多様体上の統計学と減階モデリングの機会を開放する。
論文参考訳（メタデータ） (2023-10-09T21:11:13Z)
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)
VTAE: Variational Transformer Autoencoder with Manifolds Learning [144.0546653941249]
深層生成モデルは、多くの潜伏変数を通して非線形データ分布の学習に成功している。ジェネレータの非線形性は、潜在空間がデータ空間の不満足な射影を示し、表現学習が不十分になることを意味する。本研究では、測地学と正確な計算により、深部生成モデルの性能を大幅に向上させることができることを示す。
論文参考訳（メタデータ） (2023-04-03T13:13:19Z)
Score Approximation, Estimation and Distribution Recovery of Diffusion Models on Low-Dimensional Data [68.62134204367668]
本稿では,未知の低次元線形部分空間上でデータをサポートする場合の拡散モデルのスコア近似,推定,分布回復について検討する。適切に選択されたニューラルネットワークアーキテクチャでは、スコア関数を正確に近似し、効率的に推定することができる。推定スコア関数に基づいて生成された分布は、データ幾何学構造を捕捉し、データ分布の近傍に収束する。
論文参考訳（メタデータ） (2023-02-14T17:02:35Z)
Counting Phases and Faces Using Bayesian Thermodynamic Integration [77.34726150561087]
本稿では,2パラメータ統計力学系における熱力学関数と位相境界の再構成手法を提案する。提案手法を用いて,IsingモデルとTASEPの分割関数と位相図を正確に再構成する。
論文参考訳（メタデータ） (2022-05-18T17:11:23Z)
A Model for Multi-View Residual Covariances based on Perspective Deformation [88.21738020902411]
マルチビューSfM, オードメトリ, SLAMセットアップにおける視覚的残差の共分散モデルの導出を行う。我々は、合成データと実データを用いてモデルを検証し、それを光度および特徴量に基づくバンドル調整に統合する。
論文参考訳（メタデータ） (2022-02-01T21:21:56Z)
Scalable mixed-domain Gaussian process modeling and model reduction for longitudinal data [5.00301731167245]
混合領域共分散関数に対する基底関数近似スキームを導出する。我々は,GPモデルの精度をランタイムのごく一部で正確に近似できることを示す。また、より小さく、より解釈可能なモデルを得るためのスケーラブルなモデルリダクションワークフローを実証する。
論文参考訳（メタデータ） (2021-11-03T04:47:37Z)

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。