Fugu-MT 論文翻訳(概要): Benchmarking Invertible Architectures on Inverse Problems

論文の概要: Benchmarking Invertible Architectures on Inverse Problems

arxiv url: http://arxiv.org/abs/2101.10763v1
Date: Tue, 26 Jan 2021 13:10:37 GMT
ステータス: 処理完了
システム内更新日: 2021-03-13 19:48:13.196143
Title: Benchmarking Invertible Architectures on Inverse Problems
Title（参考訳）: 逆問題に対する逆アーキテクチャのベンチマーク
Authors: Jakob Kruse, Lynton Ardizzone, Carsten Rother, Ullrich K\"othe
Abstract要約: フローベースの逆ニューラルネットワークは、あいまいな逆問題を解くための有望なツールである。 10の可逆アーキテクチャと関連するモデルが、2つの直観的で低次元のベンチマーク問題にどう影響するかを調査した。
参考スコア（独自算出の注目度）: 38.9837587410051
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Recent work demonstrated that flow-based invertible neural networks are promising tools for solving ambiguous inverse problems. Following up on this, we investigate how ten invertible architectures and related models fare on two intuitive, low-dimensional benchmark problems, obtaining the best results with coupling layers and simple autoencoders. We hope that our initial efforts inspire other researchers to evaluate their invertible architectures in the same setting and put forth additional benchmarks, so our evaluation may eventually grow into an official community challenge.
Abstract（参考訳）: 近年の研究では、フローベースの可逆ニューラルネットワークが曖昧な逆問題を解くための有望なツールであることが示されている。これに続いて,10の非可逆アーキテクチャおよび関連モデルが2つの直感的で低次元のベンチマーク問題にどのように対応しているかを考察し,結合層と単純なオートエンコーダによる最良の結果を得る。我々の最初の取り組みは、他の研究者が自身の可逆的アーキテクチャを同じ設定で評価し、追加のベンチマークを実施するよう促すことを願っています。

関連論文リスト

Invertible ResNets for Inverse Imaging Problems: Competitive Performance with Provable Regularization Properties [0.0]
Arndtらによる最近の研究は、可逆的残差ネットワーク(iResNets)に基づくデータ駆動型再構成法を解析して、このギャップに対処している。 Arndtらによる理論的結果のいくつかを非線形逆問題に包含するように拡張し、大規模高性能iResNetアーキテクチャの設計に対する洞察を提供する。
論文参考訳（メタデータ） (2024-09-20T13:15:26Z)
End-to-End Meta-Bayesian Optimisation with Transformer Neural Processes [52.818579746354665]
本稿では,ニューラルネットワークを一般化し,トランスフォーマーアーキテクチャを用いて獲得関数を学習する,エンド・ツー・エンドの差別化可能な最初のメタBOフレームワークを提案する。我々は、この強化学習(RL)によるエンドツーエンドのフレームワークを、ラベル付き取得データの欠如に対処できるようにします。
論文参考訳（メタデータ） (2023-05-25T10:58:46Z)
Making Reconstruction-based Method Great Again for Video Anomaly Detection [64.19326819088563]
ビデオの異常検出は重要な問題だが、難しい問題だ。既存の再構成に基づく手法は、昔ながらの畳み込みオートエンコーダに依存している。連続フレーム再構築のための新しいオートエンコーダモデルを提案する。
論文参考訳（メタデータ） (2023-01-28T01:57:57Z)
Bayesian Recurrent Units and the Forward-Backward Algorithm [91.39701446828144]
ベイズの定理を用いることで、ユニットワイド・リカレンスとフォワード・バックワードアルゴリズムに類似した後方再帰を導出する。その結果得られたベイジアン再帰ユニットは、ディープラーニングフレームワーク内で再帰ニューラルネットワークとして統合することができる。音声認識の実験は、最先端の繰り返しアーキテクチャの最後に派生したユニットを追加することで、訓練可能なパラメータの点で非常に低コストで性能を向上させることを示唆している。
論文参考訳（メタデータ） (2022-07-21T14:00:52Z)
Understanding Adversarial Robustness from Feature Maps of Convolutional Layers [23.42376264664302]
ニューラルネットワークの摂動能力は、主にモデル容量と摂動能力の2つの要因に依存している。畳み込み層の特徴マップからネットワークの摂動防止能力について検討する。自然な精度と敵の堅牢性の両面での非自明な改善は、様々な攻撃・防御機構の下で達成できる。
論文参考訳（メタデータ） (2022-02-25T00:14:59Z)
Neural combinatorial optimization beyond the TSP: Existing architectures under-represent graph structure [9.673093148930876]
我々は、最近のニューラルネットワークが実際に重要なグラフ問題にどのように適用できるのか、その分析を行う。距離問題の構造的表現を増大させることは、多目的自律型問題解決者を学ぶという、まだ曖昧な目標に向けた有望なステップであることを示す。
論文参考訳（メタデータ） (2022-01-03T14:14:28Z)
Robust lEarned Shrinkage-Thresholding (REST): Robust unrolling for sparse recover [87.28082715343896]
我々は、モデルミス特定を前進させるのに堅牢な逆問題を解決するためのディープニューラルネットワークについて検討する。我々は,アルゴリズムの展開手法を根底にある回復問題のロバストバージョンに適用することにより,新しい堅牢なディープニューラルネットワークアーキテクチャを設計する。提案したRESTネットワークは,圧縮センシングとレーダイメージングの両問題において,最先端のモデルベースおよびデータ駆動アルゴリズムを上回る性能を示す。
論文参考訳（メタデータ） (2021-10-20T06:15:45Z)
Recurrent Feedback Improves Recognition of Partially Occluded Objects [1.452875650827562]
人工ニューラルネットワークが再発の恩恵を受けるかどうかについて検討する。競合パラメトリック複雑性のフィードフォワードモデルと比較して,繰り返しモデルでは分類精度が有意に高いことがわかった。
論文参考訳（メタデータ） (2021-04-21T16:18:34Z)
Suppress and Balance: A Simple Gated Network for Salient Object Detection [89.88222217065858]
両問題を同時に解くための単純なゲートネットワーク(GateNet)を提案する。多レベルゲートユニットの助けを借りて、エンコーダからの貴重なコンテキスト情報をデコーダに最適に送信することができる。さらに,提案したFold-ASPP操作(Fold-ASPP)に基づくアトラス空間ピラミッドプーリングを用いて,様々なスケールのサリアンオブジェクトを正確に位置決めする。
論文参考訳（メタデータ） (2020-07-16T02:00:53Z)
Joint learning of variational representations and solvers for inverse problems with partially-observed data [13.984814587222811]
本稿では,教師付き環境において,逆問題に対する実際の変分フレームワークを学習するためのエンドツーエンドフレームワークを設計する。変動コストと勾配に基づく解法はどちらも、後者の自動微分を用いたニューラルネットワークとして記述される。これにより、データ駆動による変分モデルの発見につながる。
論文参考訳（メタデータ） (2020-06-05T19:53:34Z)

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。