Fugu-MT 論文翻訳(概要): Hyperbolic Generative Adversarial Network

論文の概要: Hyperbolic Generative Adversarial Network

arxiv url: http://arxiv.org/abs/2102.05567v1
Date: Wed, 10 Feb 2021 16:55:27 GMT
ステータス: 処理完了
システム内更新日: 2021-02-11 14:51:29.143513
Title: Hyperbolic Generative Adversarial Network
Title（参考訳）: Hyperbolic Generative Adversarial Network
Authors: Diego Lazcano, Nicol\'as Fredes and Werner Creixell
Abstract要約: 本稿では、GANアーキテクチャにおける双曲型ニューラルネットワークを用いて、画像に存在する階層的特徴を生かし得ることを提案する。本研究は, HGAN, HCGAN, HWGANとよばれる, GAN, CGAN, WGANにおいて, 完全に結合した双曲層を用いた異なる構成の試験を行った。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: Recently, Hyperbolic Spaces in the context of Non-Euclidean Deep Learning have gained popularity because of their ability to represent hierarchical data. We propose that it is possible to take advantage of the hierarchical characteristic present in the images by using hyperbolic neural networks in a GAN architecture. In this study, different configurations using fully connected hyperbolic layers in the GAN, CGAN, and WGAN are tested, in what we call the HGAN, HCGAN, and HWGAN, respectively. The results are measured using the Inception Score (IS) and the Fr\'echet Inception Distance (FID) on the MNIST dataset. Depending on the configuration and space curvature, better results are achieved for each proposed hyperbolic versions than their euclidean counterpart.
Abstract（参考訳）: 近年、非ユークリッド深層学習の文脈における双曲空間は、階層的データを表現する能力から人気が高まっている。本稿では、GANアーキテクチャにおける双曲型ニューラルネットワークを用いて、画像に存在する階層的特徴を生かし得ることを提案する。本研究は, HGAN, HCGAN, HWGANとよばれる, GAN, CGAN, WGANにおいて, 完全に結合した双曲層を用いた異なる構成の試験を行った。結果は、MNIST データセットの Inception Score (IS) と Fr\'echet Inception Distance (FID) を用いて測定される。構成や空間曲率によっては、提案された双曲型ごとにユークリッド型よりも良い結果が得られる。

関連論文リスト

On the Universal Statistical Consistency of Expansive Hyperbolic Deep Convolutional Neural Networks [14.904264782690639]
本稿では,Poincar'e Discに基づくHyperbolic DCNNを提案する。双曲空間における拡張的畳み込みの普遍的一貫性に関する広範な理論的洞察を提供する。結果、双曲的畳み込み構造はユークリッド構造よりも可換なマージンで優れていることが明らかとなった。
論文参考訳（メタデータ） (2024-11-15T12:01:03Z)
Hyperbolic Delaunay Geometric Alignment [52.835250875177756]
双曲空間におけるデータセットの比較のための類似度スコアを提案する。中心となる考え方は、与えられた集合をまたいだデータポイントを接続する双曲デラウネーグラフのエッジを数えることである。人工および実生活の生物学的データに関する実証的研究を行い、HyperDGAが集合間の古典的距離の双曲バージョンより優れていることを示す。
論文参考訳（メタデータ） (2024-04-12T17:14:58Z)
Hypergraph Transformer for Semi-Supervised Classification [50.92027313775934]
我々は新しいハイパーグラフ学習フレームワークHyperGraph Transformer(HyperGT)を提案する。 HyperGTはTransformerベースのニューラルネットワークアーキテクチャを使用して、すべてのノードとハイパーエッジのグローバル相関を効果的に検討する。局所接続パターンを保ちながら、グローバルな相互作用を効果的に組み込むことで、包括的なハイパーグラフ表現学習を実現する。
論文参考訳（メタデータ） (2023-12-18T17:50:52Z)
From Hypergraph Energy Functions to Hypergraph Neural Networks [94.88564151540459]
パラメータ化されたハイパーグラフ正規化エネルギー関数の表現型族を示す。次に、これらのエネルギーの最小化がノード埋め込みとして効果的に機能することを実証する。提案した双レベルハイパーグラフ最適化と既存のGNNアーキテクチャを共通的に用いている。
論文参考訳（メタデータ） (2023-06-16T04:40:59Z)
Fully Hyperbolic Convolutional Neural Networks for Computer Vision [3.3964154468907486]
コンピュータビジョンタスク用に設計された完全双曲型畳み込みニューラルネットワーク(CNN)であるHCNNを紹介する。ローレンツモデルに基づいて、畳み込み層の新規な定式化、バッチ正規化、多項ロジスティック回帰を提案する。標準的なビジョンタスクの実験は、HCNNフレームワークをハイブリッドと完全に双曲的な設定の両方で有望な性能を示す。
論文参考訳（メタデータ） (2023-03-28T12:20:52Z)
A Unification Framework for Euclidean and Hyperbolic Graph Neural Networks [8.080621697426997]
ハイパーボリックニューラルネットワークは、グラフデータセット固有の階層を効果的にキャプチャする。層内の複数の非連続(ジャイロ-)ベクトル空間を絡み合わせることで、一般化と拡張性の観点から制限される。検索空間としてPoincareディスクモデルを提案し,ディスク上にすべての近似を適用する。我々のモデルは、解釈可能性や様々なモデルコンポーネントの効率的な実行といったユークリッドネットワークのパワーを利用するだけでなく、様々なベンチマークにおいてユークリッドと双曲の双方よりも優れていることを示す。
論文参考訳（メタデータ） (2022-06-09T05:33:02Z)
Optimization-Based Separations for Neural Networks [57.875347246373956]
本研究では,2層のシグモダルアクティベーションを持つディープ2ニューラルネットワークを用いて,ボールインジケータ関数を効率よく学習できることを示す。これは最適化に基づく最初の分離結果であり、より強力なアーキテクチャの近似の利点は、実際に確実に現れる。
論文参考訳（メタデータ） (2021-12-04T18:07:47Z)
ACE-HGNN: Adaptive Curvature Exploration Hyperbolic Graph Neural Network [72.16255675586089]
本稿では、入力グラフと下流タスクに基づいて最適な曲率を適応的に学習する適応曲率探索ハイパーボリックグラフニューラルネットワークACE-HGNNを提案する。複数の実世界のグラフデータセットの実験は、競争性能と優れた一般化能力を備えたモデル品質において、顕著で一貫したパフォーマンス改善を示す。
論文参考訳（メタデータ） (2021-10-15T07:18:57Z)
Improvising the Learning of Neural Networks on Hyperspherical Manifold [0.0]
教師付き設定における畳み込みニューラルネットワーク(CNN)の影響は、大幅なパフォーマンス向上をもたらした。 CNNの超球面多様体上での操作から学んだ表現は、顔認識において洞察に富んだ結果をもたらした。ユークリッド空間におけるソフトマックスよりも優れた超球直観によって、幅広い活性化関数が発達する。
論文参考訳（メタデータ） (2021-09-29T22:39:07Z)
Free Hyperbolic Neural Networks with Limited Radii [32.42488915688723]
双曲型空間で直接動作する双曲型ニューラルネットワーク(HNN)は、双曲型表現の可能性をさらに活用するために最近提案されている。 HNNは、暗黙の階層構造を持つデータセット上でのユークリッドニューラルネットワーク(ENN)よりも優れたパフォーマンスを実現しているが、CIFARやImageNetのような標準分類ベンチマークでは依然としてパフォーマンスが低い。本稿では、まず、標準認識データセットにおけるHNNの劣悪な性能が、悪名高い失効勾配問題に起因することを示す実証的研究を行う。我々の分析は、常に双曲的埋め込みを規則化する、Feature Clippingと呼ばれるシンプルだが効果的なソリューションをもたらす。
論文参考訳（メタデータ） (2021-07-23T22:10:16Z)
Spatial Dependency Networks: Neural Layers for Improved Generative Image Modeling [79.15521784128102]
画像生成装置(デコーダ)を構築するための新しいニューラルネットワークを導入し、可変オートエンコーダ(VAE)に適用する。空間依存ネットワーク(sdns)では、ディープニューラルネットの各レベルにおける特徴マップを空間的にコヒーレントな方法で計算する。空間依存層による階層型vaeのデコーダの強化は密度推定を大幅に改善することを示す。
論文参考訳（メタデータ） (2021-03-16T07:01:08Z)

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。