Fugu-MT 論文翻訳(概要): Lie PCA: Density estimation for symmetric manifolds

論文の概要: Lie PCA: Density estimation for symmetric manifolds

arxiv url: http://arxiv.org/abs/2008.04278v2
Date: Sun, 13 Sep 2020 20:15:39 GMT
ステータス: 処理完了
システム内更新日: 2022-10-31 22:36:55.698905
Title: Lie PCA: Density estimation for symmetric manifolds
Title（参考訳）: Lie PCA:対称多様体の密度推定
Authors: Jameson Cahill, Dustin G. Mixon, Hans Parshall
Abstract要約: 学習対称多様体に対する局所主成分分析の拡張を提案する。特に、スペクトル法を用いて、基礎多様体の対称性群に対応するリー代数を近似する。
参考スコア（独自算出の注目度）: 4.941630596191806
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We introduce an extension to local principal component analysis for learning symmetric manifolds. In particular, we use a spectral method to approximate the Lie algebra corresponding to the symmetry group of the underlying manifold. We derive the sample complexity of our method for a variety of manifolds before applying it to various data sets for improved density estimation.
Abstract（参考訳）: 学習対称多様体に対する局所主成分分析の拡張を提案する。特に、スペクトル法を用いて基底多様体の対称性群に対応するリー代数を近似する。密度推定を改善するために様々なデータセットに適用する前に, 様々な多様体に対して本手法のサンプル複雑性を導出する。

関連論文リスト

Symmetry Discovery Beyond Affine Transformations [4.601683217376771]
アフィン変換群を超えてデータの連続対称性を発見するための枠組みを概説する。提案手法をLieGANと呼ばれる既存手法と比較し,アフィン対称性の検出に競争力があることを実証した。また,本手法はアフィン群以外の連続対称性の検出が可能であり,一般にLieGANよりも計算効率が高いことを示す。
論文参考訳（メタデータ） (2024-06-05T20:38:30Z)
The Manifold Density Function: An Intrinsic Method for the Validation of Manifold Learning [11.646668005868293]
本稿では,多様体学習手法の検証に本質的な手法である多様体密度関数を提案する。我々の手法は、リプリーの$K$関数を適応して拡張し、多様体学習アルゴリズムの出力が潜在多様体の構造を捉える程度の範囲を教師なしの設定で分類する。
論文参考訳（メタデータ） (2024-02-14T19:09:23Z)
Scaling Riemannian Diffusion Models [68.52820280448991]
非自明な多様体上の高次元タスクにスケールできることを示す。我々は、$SU(n)$格子上のQCD密度と高次元超球面上の対照的に学習された埋め込みをモデル化する。
論文参考訳（メタデータ） (2023-10-30T21:27:53Z)
Generative Modeling on Manifolds Through Mixture of Riemannian Diffusion Processes [57.396578974401734]
一般多様体上に生成拡散過程を構築するための原理的枠組みを導入する。従来の拡散モデルの認知的アプローチに従う代わりに、橋梁プロセスの混合を用いて拡散過程を構築する。混合過程を幾何学的に理解し,データ点への接する方向の重み付け平均としてドリフトを導出する。
論文参考訳（メタデータ） (2023-10-11T06:04:40Z)
Convolutional Filtering on Sampled Manifolds [122.06927400759021]
サンプル多様体上の畳み込みフィルタリングは連続多様体フィルタリングに収束することを示す。本研究は,ナビゲーション制御の問題点を実証的に明らかにした。
論文参考訳（メタデータ） (2022-11-20T19:09:50Z)
Convergence of the Riemannian Langevin Algorithm [10.279748604797911]
計量$g$の多様体上の自然測度に関して、密度$nu$の分布からサンプリングする問題を研究する。対数障壁によって定義されるポリトープに制限された等尺的密度をサンプリングする手法が,本手法の特例である。
論文参考訳（メタデータ） (2022-04-22T16:56:00Z)
Optimal radial basis for density-based atomic representations [58.720142291102135]
データセットの構造的多様性を最も効率的に表現するために選択される適応的で最適な数値ベースを構築する方法について議論します。トレーニングデータセットごとに、この最適なベースはユニークで、プリミティブベースに関して追加のコストなしで計算することができる。この構成が精度と計算効率のよい表現をもたらすことを実証する。
論文参考訳（メタデータ） (2021-05-18T17:57:08Z)
Manifold Density Estimation via Generalized Dequantization [9.090451761951101]
ある種のデータは、その基礎となる幾何学がユークリッドであると仮定してよくモデル化されていない。例えば、ある種のデータは球面上に存在することが知られているかもしれない。そこで我々は,周辺ユークリッド空間の座標変換を通じて解釈する「量子化」に関する文献に触発された手法を提案する。
論文参考訳（メタデータ） (2021-02-14T12:40:41Z)
Disentangling by Subspace Diffusion [72.1895236605335]
データ多様体の完全教師なし分解は、多様体の真の計量が知られている場合、可能であることを示す。我々の研究は、教師なしメートル法学習が可能であるかどうかという問題を減らし、表現学習の幾何学的性質に関する統一的な洞察を提供する。
論文参考訳（メタデータ） (2020-06-23T13:33:19Z)
Profile Entropy: A Fundamental Measure for the Learnability and Compressibility of Discrete Distributions [63.60499266361255]
離散分布のサンプルに対して、プロファイルエントロピーは推定、推論、圧縮の概念を統一する基本的な尺度であることを示す。具体的には、プロファイルエントロピー a) は、最適自然推定器に対する分布を推定する速度を決定する; b) 任意のラベル不変分布コレクションに対する最適推定器と比較して全ての対称特性を推定する速度を特徴付ける; c) プロファイル圧縮の限界として機能する。
論文参考訳（メタデータ） (2020-02-26T17:49:04Z)

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。