Fugu-MT 論文翻訳(概要): Geometric Disentanglement by Random Convex Polytopes

論文の概要: Geometric Disentanglement by Random Convex Polytopes

arxiv url: http://arxiv.org/abs/2009.13987v2
Date: Sat, 13 Feb 2021 07:39:43 GMT
ステータス: 処理完了
システム内更新日: 2022-10-13 06:03:34.269788
Title: Geometric Disentanglement by Random Convex Polytopes
Title（参考訳）: ランダム凸ポリトープによる幾何学的歪み
Authors: Michael Joswig, Marek Kaluba, Lukas Ruff
Abstract要約: 深層学習から得られた表現の質を測定するための新しい幾何学的手法を提案する。提案手法はランダム・ポリトープ記述法(Random Polytope Descriptor)と呼ばれ、ランダム・凸・ポリトープの構成に基づくデータポイントの効率的な記述を提供する。
参考スコア（独自算出の注目度）: 3.6852491526879683
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We propose a new geometric method for measuring the quality of representations obtained from deep learning. Our approach, called Random Polytope Descriptor, provides an efficient description of data points based on the construction of random convex polytopes. We demonstrate the use of our technique by qualitatively comparing the behavior of classic and regularized autoencoders. This reveals that applying regularization to autoencoder networks may decrease the out-of-distribution detection performance in latent space. While our technique is similar in spirit to $k$-means clustering, we achieve significantly better false positive/negative balance in clustering tasks on autoencoded datasets.
Abstract（参考訳）: 深層学習から得られた表現の質を測定するための新しい幾何学的手法を提案する。ランダムポリトープディスクリプタ(random polytope descriptor)と呼ばれるこのアプローチは、ランダム凸ポリトープの構成に基づくデータポイントの効率的な記述を提供する。古典的および正規化されたオートエンコーダの挙動を定性的に比較することにより,本手法の応用を実証する。これにより、オートエンコーダネットワークに正規化を適用すると、潜在空間における分散検出性能が低下する可能性がある。我々の手法は、$k$-meansクラスタリングと精神的には似ているが、自動符号化データセット上のクラスタリングタスクにおいて、偽陽性/負のバランスを著しく改善する。

関連論文リスト

Distributed Markov Chain Monte Carlo Sampling based on the Alternating Direction Method of Multipliers [143.6249073384419]
本論文では,乗算器の交互方向法に基づく分散サンプリング手法を提案する。我々は,アルゴリズムの収束に関する理論的保証と,その最先端性に関する実験的証拠の両方を提供する。シミュレーションでは,線形回帰タスクとロジスティック回帰タスクにアルゴリズムを配置し,その高速収束を既存の勾配法と比較した。
論文参考訳（メタデータ） (2024-01-29T02:08:40Z)
Rethinking k-means from manifold learning perspective [122.38667613245151]
平均推定なしで直接データのクラスタを検出する新しいクラスタリングアルゴリズムを提案する。具体的には,バタワースフィルタを用いてデータ点間の距離行列を構成する。異なる視点に埋め込まれた相補的な情報をうまく活用するために、テンソルのSchatten p-norm正規化を利用する。
論文参考訳（メタデータ） (2023-05-12T03:01:41Z)
Robust convex biclustering with a tuning-free method [10.603857319905936]
本稿では,ハマーロスを用いた凸複クラスタリングアルゴリズムのロバストなバージョンを提案する。新たに導入されたロバスト化パラメータは、最適なパラメータを選択するのに余分な負担をもたらす。実生活のバイオメディカル・アプリケーションも紹介されている。
論文参考訳（メタデータ） (2022-12-06T16:37:11Z)
SCR: Smooth Contour Regression with Geometric Priors [10.141085397402314]
SCRは、分解能のないオブジェクトの輪郭を複雑な周期関数としてキャプチャする手法である。我々は、人気のあるCOCO 2017インスタンスセグメンテーションデータセットでSCRをベンチマークし、既存のアルゴリズムに対する競争力を示す。ネットワークのコンパクトバージョンも設計し、幅広いパワーターゲットを持つ組み込みハードウェアをベンチマークします。
論文参考訳（メタデータ） (2022-02-08T11:07:51Z)
Interpretable Clustering via Multi-Polytope Machines [12.69310440882225]
本稿では,クラスタデータポイントと,検出したクラスタの周辺にポリトープを構築して説明する,解釈可能なクラスタリングのための新しい手法を提案する。我々は,我々の手法を,人工クラスタリングと実世界のクラスタリングの一連の問題にベンチマークし,我々のアルゴリズムは,アート解釈可能で非解釈可能なクラスタリングアルゴリズムの状態を上回ります。
論文参考訳（メタデータ） (2021-12-10T16:36:32Z)
PU-Flow: a Point Cloud Upsampling Networkwith Normalizing Flows [58.96306192736593]
本稿では,正規化フローを組み込んだPU-Flowについて述べる。具体的には、重みが局所的な幾何学的文脈から適応的に学習される潜在空間において、アップサンプリング過程を点として定式化する。提案手法は, 再現性, 近接精度, 計算効率の観点から, 最先端の深層学習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） (2021-07-13T07:45:48Z)
Deep Magnification-Flexible Upsampling over 3D Point Clouds [103.09504572409449]
本稿では,高密度点雲を生成するためのエンドツーエンド学習ベースのフレームワークを提案する。まずこの問題を明示的に定式化し、重みと高次近似誤差を判定する。そこで我々は,高次改良とともに,統一重みとソート重みを適応的に学習する軽量ニューラルネットワークを設計する。
論文参考訳（メタデータ） (2020-11-25T14:00:18Z)
Neural Subdivision [58.97214948753937]
本稿では,データ駆動型粗粒度モデリングの新しいフレームワークであるNeural Subdivisionを紹介する。すべてのローカルメッシュパッチで同じネットワーク重みのセットを最適化するため、特定の入力メッシュや固定属、カテゴリに制約されないアーキテクチャを提供します。単一の高分解能メッシュでトレーニングしても,本手法は新規な形状に対して合理的な区分を生成する。
論文参考訳（メタデータ） (2020-05-04T20:03:21Z)
Spatially Adaptive Inference with Stochastic Feature Sampling and Interpolation [72.40827239394565]
スパースサンプリングされた場所のみの機能を計算することを提案する。次に、効率的な手順で特徴写像を密に再構築する。提案したネットワークは、様々なコンピュータビジョンタスクの精度を維持しながら、かなりの計算を省くために実験的に示されている。
論文参考訳（メタデータ） (2020-03-19T15:36:31Z)
Device Heterogeneity in Federated Learning: A Superquantile Approach [0.0]
人口データ分布に適合しない異種クライアントデバイスを扱うためのフレームワークを提案する。最適化アルゴリズムを提案し、定常点への収束を確立する。ニューラルネットワークとコンピュータビジョンと自然言語処理のタスクの線形モデルに関する数値実験で結論付ける。
論文参考訳（メタデータ） (2020-02-25T23:37:35Z)
Learning Flat Latent Manifolds with VAEs [16.725880610265378]
本稿では、ユークリッド計量がデータポイント間の類似性のプロキシとなる変分自動エンコーダのフレームワークの拡張を提案する。我々は、変分オートエンコーダで一般的に使用されるコンパクトな以前のものを、最近発表されたより表現力のある階層型に置き換える。提案手法は,ビデオ追跡ベンチマークを含む,さまざまなデータセットを用いて評価する。
論文参考訳（メタデータ） (2020-02-12T09:54:52Z)

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。