Fugu-MT 論文翻訳(概要): Some Remarks on Replicated Simulated Annealing

論文の概要: Some Remarks on Replicated Simulated Annealing

arxiv url: http://arxiv.org/abs/2009.14702v2
Date: Wed, 2 Dec 2020 18:41:03 GMT
ステータス: 処理完了
システム内更新日: 2022-10-12 22:16:00.707401
Title: Some Remarks on Replicated Simulated Annealing
Title（参考訳）: レプリケート・シミュレート・アニーリング(Simulated Annealing)について
Authors: Vincent Gripon, Matthias L\"owe, Franck Vermet
Abstract要約: 我々は、いわゆる「複製された模擬焼鈍」アルゴリズムを解析する。我々は、その収束を保証するための基準を明確にし、それが構成からうまくサンプリングされたときの研究を行う。
参考スコア（独自算出の注目度）: 4.726777092009554
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Recently authors have introduced the idea of training discrete weights neural networks using a mix between classical simulated annealing and a replica ansatz known from the statistical physics literature. Among other points, they claim their method is able to find robust configurations. In this paper, we analyze this so-called "replicated simulated annealing" algorithm. In particular, we explicit criteria to guarantee its convergence, and study when it successfully samples from configurations. We also perform experiments using synthetic and real data bases.
Abstract（参考訳）: 近年、統計物理学の文献から知られている古典的擬似アニールとレプリカアンザッツの混合を用いて離散重み付けニューラルネットワークを訓練するアイデアを導入している。その他の点として、彼らのメソッドは堅牢な構成を見つけることができると主張している。本稿では,この「複製擬似アニーリング」アルゴリズムを解析する。特に,コンバージェンスを保証するための明確な基準と,コンフィグレーションからのサンプルの収集に成功した時期について検討する。また,合成および実データを用いた実験を行った。

関連論文リスト

Diffusion posterior sampling for simulation-based inference in tall data settings [53.17563688225137]
シミュレーションベース推論(SBI)は、入力パラメータを所定の観測に関連付ける後部分布を近似することができる。本研究では、モデルのパラメータをより正確に推測するために、複数の観測値が利用できる、背の高いデータ拡張について考察する。提案手法を,最近提案した各種数値実験の競合手法と比較し,数値安定性と計算コストの観点から,その優位性を実証した。
論文参考訳（メタデータ） (2024-04-11T09:23:36Z)
Fusing Neural and Physical: Augment Protein Conformation Sampling with Tractable Simulations [27.984190594059868]
生成モデルはサロゲートサンプルとして利用されコンフォメーションアンサンブルを桁違いに速く得る本研究では,MDシミュレーションを抽出可能な方法で組み込んだ,事前学習型ジェネレーティブ・サンプリング器の少数ショット設定について検討する。
論文参考訳（メタデータ） (2024-02-16T03:48:55Z)
A stable deep adversarial learning approach for geological facies generation [32.97208255533144]
深層生成学習は、従来の地形シミュレーションモデルの限界を克服するための有望なアプローチである。本研究は, 地下ボリュームにおける条件付き蛇行チャネルに対する, 生成的対向ネットワークと深部変動推論の適用性について検討することを目的とする。
論文参考訳（メタデータ） (2023-05-12T14:21:14Z)
Capturing dynamical correlations using implicit neural representations [85.66456606776552]
実験データから未知のパラメータを復元するために、モデルハミルトンのシミュレーションデータを模倣するために訓練されたニューラルネットワークと自動微分を組み合わせた人工知能フレームワークを開発する。そこで本研究では, 実時間から多次元散乱データに適用可能な微分可能なモデルを1回だけ構築し, 訓練する能力について述べる。
論文参考訳（メタデータ） (2023-04-08T07:55:36Z)
Learning Nonlinear Couplings in Network of Agents from a Single Sample Trajectory [23.35887297469449]
本稿では,結合関数を用いて制御力学をモデル化可能な動的ネットワークのクラスを考える。ネットワークからの1つのサンプル軌道のみを用いて、一般的な結合関数のクラスを学習できることが示される。
論文参考訳（メタデータ） (2022-11-20T20:14:14Z)
Guaranteed Conservation of Momentum for Learning Particle-based Fluid Dynamics [96.9177297872723]
本稿では,学習物理シミュレーションにおける線形運動量を保証する新しい手法を提案する。我々は、強い制約で運動量の保存を強制し、反対称的な連続的な畳み込み層を通して実現する。提案手法により,学習シミュレータの物理的精度を大幅に向上させることができる。
論文参考訳（メタデータ） (2022-10-12T09:12:59Z)
Neural Posterior Estimation with Differentiable Simulators [58.720142291102135]
微分可能シミュレータを用いてニューラル・ポストミラー推定(NPE)を行う新しい手法を提案する。勾配情報が後部形状の制約にどのように役立ち、試料効率を向上させるかを示す。
論文参考訳（メタデータ） (2022-07-12T16:08:04Z)
An Information-Theoretic Framework for Supervised Learning [22.280001450122175]
後悔とサンプルの複雑さという独自の概念を持つ新しい情報理論フレームワークを提案する。本稿では、ReLUアクティベーションユニットを用いたディープニューラルネットワークによって生成されたデータから学習する際のサンプルの複雑さについて検討する。我々は、ランダムな単層ニューラルネットワークの実験的な解析により、理論結果を裏付けることで結論付ける。
論文参考訳（メタデータ） (2022-03-01T05:58:28Z)
Deep Bayesian Active Learning for Accelerating Stochastic Simulation [74.58219903138301]
Interactive Neural Process(INP)は、シミュレーションとアクティブな学習アプローチのためのディープラーニングフレームワークである。能動的学習のために,NPベースモデルの潜時空間で計算された新しい取得関数Latent Information Gain (LIG)を提案する。その結果,STNPは学習環境のベースラインを上回り,LIGは能動学習の最先端を達成していることがわかった。
論文参考訳（メタデータ） (2021-06-05T01:31:51Z)
Amortized Bayesian Inference for Models of Cognition [0.1529342790344802]
専門的なニューラルネットワークアーキテクチャを用いたシミュレーションベース推論の最近の進歩は、ベイズ近似計算の多くの過去の問題を回避している。本稿では,アモータイズされたベイズパラメータの推定とモデル比較について概説する。
論文参考訳（メタデータ） (2020-05-08T08:12:15Z)
Forecasting Sequential Data using Consistent Koopman Autoencoders [52.209416711500005]
クープマン理論に関連する新しい物理学に基づく手法が導入された。本稿では,既存の作業の多くと異なり,前方・後方のダイナミクスを生かした新しいコンシスタント・クープマン・オートエンコーダモデルを提案する。このアプローチの鍵となるのは、一貫性のある力学と関連するクープマン作用素との相互作用を探索する新しい解析である。
論文参考訳（メタデータ） (2020-03-04T18:24:30Z)

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。