Fugu-MT 論文翻訳(概要): On the finite representation of group equivariant operators via permutant measures

論文の概要: On the finite representation of group equivariant operators via permutant measures

arxiv url: http://arxiv.org/abs/2008.06340v2
Date: Wed, 9 Mar 2022 19:05:50 GMT
ステータス: 処理完了
システム内更新日: 2022-11-02 02:09:36.954859
Title: On the finite representation of group equivariant operators via permutant measures
Title（参考訳）: 置換測度による群同変作用素の有限表現について
Authors: Giovanni Bocchi, Stefano Botteghi, Martina Brasini, Patrizio Frosini, Nicola Quercioli
Abstract要約: それぞれの線形$G$-equivariant演算子は適切な置換測度で生成可能であることを示す。この結果により、線形$G$-同変作用素を有限条件で構築する新しい方法が利用可能となる。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The study of $G$-equivariant operators is of great interest to explain and understand the architecture of neural networks. In this paper we show that each linear $G$-equivariant operator can be produced by a suitable permutant measure, provided that the group $G$ transitively acts on a finite signal domain $X$. This result makes available a new method to build linear $G$-equivariant operators in the finite setting.
Abstract（参考訳）: G$-equivariant演算子の研究は、ニューラルネットワークのアーキテクチャを説明し、理解するために非常に興味深い。本稿では、各線型$G$-同変作用素が適切な置換測度で生成できることを示し、群$G$が有限信号領域$X$に推移的に作用することを仮定する。この結果、線形$G$-同変作用素を有限条件で構築する新しい方法が利用可能となる。

関連論文リスト

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)
Discovering Sparse Representations of Lie Groups with Machine Learning [55.41644538483948]
本手法はローレンツ群の生成元の正準表現を再現することを示す。このアプローチは完全に一般であり、任意のリー群に対する無限小生成元を見つけるのに使うことができる。
論文参考訳（メタデータ） (2023-02-10T17:12:05Z)
How Jellyfish Characterise Alternating Group Equivariant Neural Networks [0.0]
学習可能で線型で$A_n$-equivariantな層関数の基底は、そのようなテンソルパワー空間の間の$mathbbRn$の標準基底である。また,本手法が局所対称性に同値なニューラルネットワークの構築にどのように一般化するかについても述べる。
論文参考訳（メタデータ） (2023-01-24T17:39:10Z)
Equivariant Transduction through Invariant Alignment [71.45263447328374]
グループ内ハードアライメント機構を組み込んだ,新しいグループ同変アーキテクチャを提案する。我々のネットワーク構造は、既存のグループ同変アプローチよりも強い同変特性を発達させることができる。また、SCANタスクにおいて、従来のグループ同変ネットワークよりも経験的に優れていたことが判明した。
論文参考訳（メタデータ） (2022-09-22T11:19:45Z)
On the geometric and Riemannian structure of the spaces of group equivariant non-expansive operators [0.0]
群同変非拡張作用素は、最近、トポロジカルデータ解析とディープラーニングの基本的な構成要素として提案されている。群同変非拡大作用素の空間 $mathcalF$ がリーマン多様体の構造によってどのように与えられるかを示す。また、検討された多様体において、代表群同変非拡大作用素の有限集合を選択する手順も記述する。
論文参考訳（メタデータ） (2021-03-03T17:29:25Z)
Abelian Neural Networks [48.52497085313911]
まず、アベリア群演算のためのニューラルネットワークアーキテクチャを構築し、普遍近似特性を導出する。連想対称の特徴づけを用いて、アベリア半群演算に拡張する。固定単語埋め込み上でモデルをトレーニングし、元の word2vec よりも優れた性能を示す。
論文参考訳（メタデータ） (2021-02-24T11:52:21Z)
Structured Sparsity Inducing Adaptive Optimizers for Deep Learning [94.23102887731417]
本稿では、近位勾配法に必要な成分である重み付き近位作用素を導出する。この適応法は, 重み付き近位演算子とともに, 空間パターンに構造をもつ解を求めることができることを示す。
論文参考訳（メタデータ） (2021-02-07T18:06:23Z)
A New Neural Network Architecture Invariant to the Action of Symmetry Subgroups [11.812645659940237]
入力データに対する任意の置換部分群の作用に不変な関数を近似する$G$不変ニューラルネットワークを提案する。提案されたネットワークアーキテクチャの重要な要素は、入力データの$g$-invariant latent表現を生成する新しい$g$-invariant transformationモジュールである。
論文参考訳（メタデータ） (2020-12-11T16:19:46Z)
Stochastic Flows and Geometric Optimization on the Orthogonal Group [52.50121190744979]
直交群 $O(d)$ 上の幾何駆動最適化アルゴリズムの新しいクラスを示す。提案手法は,深層,畳み込み,反復的なニューラルネットワーク,強化学習,フロー,メトリック学習など,機械学習のさまざまな分野に適用可能であることを示す。
論文参考訳（メタデータ） (2020-03-30T15:37:50Z)
A Computationally Efficient Neural Network Invariant to the Action of Symmetry Subgroups [12.654871396334668]
新しい$G$不変変換モジュールは入力データの$G$不変潜在表現を生成する。この潜在表現は、ネットワーク内の多層パーセプトロンで処理される。提案するアーキテクチャの普遍性を証明し,その特性を議論し,計算とメモリ効率を強調する。
論文参考訳（メタデータ） (2020-02-18T12:50:56Z)
Invariant Feature Coding using Tensor Product Representation [75.62232699377877]
我々は,群不変特徴ベクトルが線形分類器を学習する際に十分な識別情報を含んでいることを証明した。主成分分析やk平均クラスタリングにおいて,グループアクションを明示的に考慮する新たな特徴モデルを提案する。
論文参考訳（メタデータ） (2019-06-05T07:15:17Z)

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。