論文の概要: Analyzing the Components of Distributed Coevolutionary GAN Training

• arxiv url: http://arxiv.org/abs/2008.01124v1
• Date: Mon, 3 Aug 2020 18:35:06 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-03 05:37:21.843643
• Title: Analyzing the Components of Distributed Coevolutionary GAN Training
• Title（参考訳）: 分散共進化型ganトレーニングの構成要素分析
• Authors: Jamal Toutouh, Erik Hemberg, and Una-May O'Reilly
• Abstract要約: 共進化における多様性に影響を与える2つのアルゴリズム成分の性能への影響について検討する。 MNISTデータセットの実験では、これらの2つのコンポーネントの組み合わせが最良の生成モデルを提供することがわかった。
• 参考スコア（独自算出の注目度）: 8.198369743955528
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Distributed coevolutionary Generative Adversarial Network (GAN) training has empirically shown success in overcoming GAN training pathologies. This is mainly due to diversity maintenance in the populations of generators and discriminators during the training process. The method studied here coevolves sub-populations on each cell of a spatial grid organized into overlapping Moore neighborhoods. We investigate the impact on the performance of two algorithm components that influence the diversity during coevolution: the performance-based selection/replacement inside each sub-population and the communication through migration of solutions (networks) among overlapping neighborhoods. In experiments on MNIST dataset, we find that the combination of these two components provides the best generative models. In addition, migrating solutions without applying selection in the sub-populations achieves competitive results, while selection without communication between cells reduces performance.
• Abstract（参考訳）: 分散共進化型GAN(Generative Adversarial Network)トレーニングは,GANトレーニングパスの克服に成功している。 これは主に、訓練過程における発電機と判別器の集団の多様性の維持のためである。 ここでは, 重なり合うムーア近傍に組織された空間格子の各セルのサブポピュレーションを共進化させる。 共進化中の多様性に影響を与える2つのアルゴリズムコンポーネントの性能への影響について検討し,各サブ人口内の性能ベース選択/置換と,重複する地域間のソリューション(ネットワーク)の移動によるコミュニケーションについて検討する。 MNISTデータセットの実験では、これらの2つのコンポーネントの組み合わせが最良の生成モデルを提供することがわかった。 さらに, サブポピュレーションに選択を適用せずに移行する手法は, セル間の通信を使わずに選択することで性能を低下させる。

関連論文リスト

• A two-stage algorithm in evolutionary product unit neural networks for classification [0.0]
  本稿では,進化過程の初期段階において,より広範な多様性を付加する手法を提案する。 異なるパラメータ設定で2つの初期個体群を作成し、少数の世代で進化させ、同じ割合で各個体群から最高の個体群を選択し、それらを組み合わせて新しい初期個体群を構成する。
  論文  参考訳（メタデータ） (2024-02-09T18:56:07Z)
• Population-Based Evolutionary Gaming for Unsupervised Person Re-identification [26.279581599246224]
  教師なしの人物の再識別は、個々のニューラルネットワークの自己改善を通じて大きな成功を収めた。 我々は,多種多様なニューラルネットワークの集団が選択,再現,突然変異,集団相互学習を通じて同時に訓練される,人口ベースの進化型ゲーム(PEG)フレームワークを開発する。 PEGは、個人の再識別のための新しい最先端の精度を生み出し、教師なし学習のための集団ベースのネットワーク協調トレーニングの大きな可能性を示している。
  論文  参考訳（メタデータ） (2023-06-08T14:33:41Z)
• Tackling Long-Tailed Category Distribution Under Domain Shifts [50.21255304847395]
  既存のアプローチでは、両方の問題が存在するシナリオに対処できません。 本研究では,分散校正型分類損失,視覚意味マッピング,セマンティック類似性誘導拡張の3つの新しい機能ブロックを設計した。 AWA2-LTSとImageNet-LTSという2つの新しいデータセットが提案された。
  論文  参考訳（メタデータ） (2022-07-20T19:07:46Z)
• Heterogeneous Federated Learning via Grouped Sequential-to-Parallel Training [60.892342868936865]
  フェデレートラーニング(Federated Learning, FL)は、プライバシ保護のためのコラボレーション機械学習パラダイムである。 本稿では,この課題に対処するため,データヘテロジニアス・ロバストFLアプローチであるFedGSPを提案する。 その結果,FedGSPは7つの最先端アプローチと比較して平均3.7%の精度向上を実現していることがわかった。
  論文  参考訳（メタデータ） (2022-01-31T03:15:28Z)
• Semi-supervised Domain Adaptive Structure Learning [72.01544419893628]
  半教師付きドメイン適応 (SSDA) は,1) アノテーションの低いデータに過度に適合する手法と,2) ドメイン間の分散シフトの両方を克服しなければならない課題である。 SSLとDAの協調を正規化するための適応型構造学習手法を提案する。
  論文  参考訳（メタデータ） (2021-12-12T06:11:16Z)
• MineGAN++: Mining Generative Models for Efficient Knowledge Transfer to Limited Data Domains [77.46963293257912]
  本稿では,特定の対象領域に最も有益である知識をマイニングした生成モデルのための新しい知識伝達手法を提案する。 これは、各事前訓練されたGANの生成分布のどの部分が対象領域に最も近いサンプルを出力しているかを識別するマイカネットワークを用いて行われる。 提案手法はMineGANと呼ばれ,ターゲット画像が少ない領域に効果的に知識を伝達し,既存の手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2021-04-28T13:10:56Z)
• Training Generative Adversarial Networks in One Stage [58.983325666852856]
  本稿では,1段階のみに効率よくGANを訓練できる汎用的なトレーニング手法を提案する。 提案手法は,データフリーな知識蒸留など,他の逆学習シナリオにも容易に適用可能であることを示す。
  論文  参考訳（メタデータ） (2021-02-28T09:03:39Z)
• Signal Propagation in a Gradient-Based and Evolutionary Learning System [9.911708222650825]
  GANトレーニングのための共進化アルゴリズム(CEA)は、彼らに経験的に堅牢です。 そこで我々は,Lipizzanerのような分散CEAであるLipi-Ringを提案する。 主課題は,信号伝搬の方向性の違いがリピズザナーの性能品質と訓練効率に合致するかどうかである。
  論文  参考訳（メタデータ） (2021-02-10T16:46:44Z)
• Demonstrating the Evolution of GANs through t-SNE [0.4588028371034407]
  COEGANのような進化的アルゴリズムは、最近、GANトレーニングを改善するソリューションとして提案されている。 本研究では, t-distributed Neighbour Embedding (t-SNE) を用いたGANの進展評価手法を提案する。 結果の t-SNE マップと Jaccard インデックスに基づく計量をモデル品質を表すために提案する。
  論文  参考訳（メタデータ） (2021-01-31T20:07:08Z)
• Parallel/distributed implementation of cellular training for generative adversarial neural networks [7.504722086511921]
  GAN(Generative Adversarial Network)は、生成モデルを学ぶために広く使われている。 本稿では、GANの2つの集団を訓練するための細胞競合共進化手法の並列/分散実装について述べる。
  論文  参考訳（メタデータ） (2020-04-07T16:01:58Z)
• Contradictory Structure Learning for Semi-supervised Domain Adaptation [67.89665267469053]
  現在の逆順応法は、クロスドメインの特徴を整列させようとする。 1)条件分布ミスマッチ、2)決定境界のソース領域へのバイアス。 本稿では,対向構造の学習を統一することで,半教師付きドメイン適応のための新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-02-06T22:58:20Z)

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。