Fugu-MT 論文翻訳(概要): Information Constrained Optimal Transport: From Talagrand, to Marton, to Cover

論文の概要: Information Constrained Optimal Transport: From Talagrand, to Marton, to Cover

arxiv url: http://arxiv.org/abs/2008.10249v1
Date: Mon, 24 Aug 2020 08:23:51 GMT
ステータス: 処理完了
システム内更新日: 2022-10-25 12:35:41.142529
Title: Information Constrained Optimal Transport: From Talagrand, to Marton, to Cover
Title（参考訳）: 最適輸送に制約のある情報:タラグラッドからマートンへ、そしてカバーへ
Authors: Yikun Bai, Xiugang Wu, Ayfer Ozgur
Abstract要約: 最適な輸送問題は、最もコスト効率のよい方法である測度を別の測度へ輸送する方法を研究する。本稿では,この問題の制約のあるバリエーションを紹介し,研究する。新たな輸送コストの不平等は, 古い測定結果の新たな集中の回復に有効であることを示す。
参考スコア（独自算出の注目度）: 4.297070083645049
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The optimal transport problem studies how to transport one measure to another in the most cost-effective way and has wide range of applications from economics to machine learning. In this paper, we introduce and study an information constrained variation of this problem. Our study yields a strengthening and generalization of Talagrand's celebrated transportation cost inequality. Following Marton's approach, we show that the new transportation cost inequality can be used to recover old and new concentration of measure results. Finally, we provide an application of this new inequality to network information theory. We show that it can be used to recover almost immediately a recent solution to a long-standing open problem posed by Cover regarding the capacity of the relay channel.
Abstract（参考訳）: 最適な輸送問題は、最もコスト効率のよい方法である尺度を別の尺度に転送する方法を研究し、経済学から機械学習まで幅広い応用がある。本稿では,この問題の情報制約変動について紹介し,考察する。本研究は,タラグランドの運送コスト不平等の強化と一般化をもたらすものである。 Marton氏のアプローチに従えば,新しい輸送コストの不平等が,古い測定結果の新たな集中の回復に有効であることを示す。最後に、この新たな不等式をネットワーク情報理論に適用する。本研究では,リレーチャネルのキャパシティに関するカバーによって生じる長期にわたるオープン問題に対する最近の解を,ほぼ即時に回復するために使用できることを示す。

関連論文リスト

Mutual Information Multinomial Estimation [53.58005108981247]
相互情報(MI)の推定は、データサイエンスと機械学習の基本的な課題である。我々の主な発見は、データ分布の予備的な推定が、劇的に予測に役立ちます。非ガウス的合成問題を含む多種多様な課題に対する実験は,本手法の利点を実証している。
論文参考訳（メタデータ） (2024-08-18T06:27:30Z)
Entanglement: Balancing Punishment and Compensation, Repeated Dilemma Game-Theoretic Analysis of Maximum Compensation Problem for Bypass and Least Cost Paths in Fact-Checking, Case of Fake News with Weak Wallace's Law [0.0]
本研究ノートは、フェイクニュースの普及と効果的な事実確認に関連する問題を解決するための新しいアプローチについて整理したものである。最小コストのルーティング問題に着目して、ニュース提供者間の情報伝達のダイナミクスをモデル化するために、メッツラー関数とメッツラー行列を用いて議論を行う。
論文参考訳（メタデータ） (2024-02-18T18:26:50Z)
Scalable Optimal Transport Methods in Machine Learning: A Contemporary Survey [15.500897098518989]
本稿では,機械学習における最適な輸送方法について述べる。まず、最適な輸送背景を説明し、異なるフレーバー(数学的定式化)、特性、顕著な応用を紹介する。次に、大規模・高次元データの現在の要求に対応するために最適な輸送をスケールする方法に関する根本的な問題に対処する。
論文参考訳（メタデータ） (2023-05-08T22:43:16Z)
Similarity, Compression and Local Steps: Three Pillars of Efficient Communications for Distributed Variational Inequalities [91.12425544503395]
変分不等式は平衡探索から逆学習まで様々な応用で用いられている。ほとんどの分散アプローチには、通信コストというボトルネックがあります。通信ラウンドの総数と1ラウンドのコストを削減する3つの主要な手法は、ローカル関数の類似性、送信された情報の圧縮、ローカル更新である。本稿では,通信複雑性の理論的保証が最良であり,分散変動不等式に対する他の手法よりもはるかに優れていることを示す。
論文参考訳（メタデータ） (2023-02-15T12:11:27Z)
InfoOT: Information Maximizing Optimal Transport [58.72713603244467]
InfoOTは最適な輸送の情報理論の拡張である。幾何学的距離を最小化しながら、ドメイン間の相互情報を最大化する。この定式化は、外れ値に対して堅牢な新しい射影法をもたらし、目に見えないサンプルに一般化する。
論文参考訳（メタデータ） (2022-10-06T18:55:41Z)
Compression and Data Similarity: Combination of Two Techniques for Communication-Efficient Solving of Distributed Variational Inequalities [137.6408511310322]
本稿では、圧縮とデータ類似性という2つの一般的なアプローチの組み合わせについて考察する。この相乗効果は, 分散分散単調変分不等式の解法において, それぞれ別々に行う方法よりも効果的であることを示す。
論文参考訳（メタデータ） (2022-06-19T16:38:56Z)
Selective Survey: Most Efficient Models and Solvers for Integrative Multimodal Transport [0.0]
主な目的は、マルチモーダル輸送研究の分野における既存の研究、方法および情報の受益的な選択を探索することです。選択的な調査は、コスト、時間、ネットワークトポロジーの観点から、マルチモーダルトランスポート設計と最適化をカバーしている。理論と実世界の応用のギャップは、グローバルなマルチモーダル輸送システムの最適化のためにさらに解決すべきである。
論文参考訳（メタデータ） (2021-03-16T08:31:44Z)
Language Model is All You Need: Natural Language Understanding as Question Answering [75.26830242165742]
本研究では、対象ドメインをソースドメインにマッピングする、特定の転送学習のファミリーの使用について検討する。提案手法は,同性能に必要なデータ量を最大10倍に削減できることを示す。
論文参考訳（メタデータ） (2020-11-05T18:31:22Z)
Adversarial Training Reduces Information and Improves Transferability [81.59364510580738]
近年の研究では, 頑健性に加えて, 可逆性などの望ましい特性が期待できることが示されている。本稿では,新たなタスクへの線形転送性の向上を図り,表現の伝達可能性とソースタスクの精度の間に新たなトレードオフが生じていることを示す。
論文参考訳（メタデータ） (2020-07-22T08:30:16Z)
Limits of Transfer Learning [0.0]
我々は、転送する情報の集合を慎重に選択する必要性と、転送される情報とターゲット問題との依存関係の必要性を示す。これらの結果は、機械学習のためのアルゴリズム検索フレームワークの上に構築され、転送を用いた幅広い学習問題に適用できる。
論文参考訳（メタデータ） (2020-06-23T01:48:23Z)
Large-Scale Optimal Transport via Adversarial Training with Cycle-Consistency [30.305690062622283]
本稿では,輸送マップを直接解き,一般コスト関数と互換性のある大規模最適輸送のためのエンドツーエンドアプローチを提案する。提案手法の有効性を実世界の大規模応用に適用し,提案手法の有効性を実証する。
論文参考訳（メタデータ） (2020-03-14T14:06:46Z)

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。