Fugu-MT 論文翻訳(概要): Maximal function pooling with applications

論文の概要: Maximal function pooling with applications

arxiv url: http://arxiv.org/abs/2103.01292v1
Date: Mon, 1 Mar 2021 20:30:04 GMT
ステータス: 処理完了
システム内更新日: 2021-03-03 15:47:41.198755
Title: Maximal function pooling with applications
Title（参考訳）: アプリケーションによる最大関数プーリング
Authors: Wojciech Czaja, Weilin Li, Yiran Li, Mike Pekala
Abstract要約: Maxfun プールは Hardy-Littlewood maximal 機能に触発されます。これは、最大プールや平均プールなど、最も人気のあるプーリング関数のいくつかに代わる実行可能な選択肢として提示されている。まず、畳み込みスパース符号化の文脈で、次に画像分類のための2つのアプリケーションでmaxfunプーリングの特徴を実証します。
参考スコア（独自算出の注目度）: 4.446564162927513
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Inspired by the Hardy-Littlewood maximal function, we propose a novel pooling strategy which is called maxfun pooling. It is presented both as a viable alternative to some of the most popular pooling functions, such as max pooling and average pooling, and as a way of interpolating between these two algorithms. We demonstrate the features of maxfun pooling with two applications: first in the context of convolutional sparse coding, and then for image classification.
Abstract（参考訳）: Hardy-Littlewood maximal関数に触発され、maxfun poolingと呼ばれる新しいプール戦略を提案します。最大プールや平均プールのような最も一般的なプール関数の代替として、またこれら2つのアルゴリズムを補間する方法として提示される。まず、畳み込みスパース符号化の文脈で、次に画像分類のための2つのアプリケーションでmaxfunプーリングの特徴を実証します。

関連論文リスト

Enumeration of max-pooling responses with generalized permutohedra [39.58317527488534]
最大プーリング層(英: Max-pooling layer)は、入力座標のシフトしたウィンドウの最大値を取ることで入力アレイをサンプリングする関数である。このようなポリトープの面を特徴付け、1次元最大プーリング層における頂点数と面数の生成関数と閉式を得る。
論文参考訳（メタデータ） (2022-09-29T17:45:54Z)
The Theoretical Expressiveness of Maxpooling [4.028503203417233]
我々は、ReLUに基づく近似を解析し、最大プール化を行う理論的枠組みを開発する。最大プーリングはReLUアクティベーションを用いて効率的に複製できない。最大プールと最適近似の違いの主な原因は、他のアーキテクチャ上の決定で克服できると結論付けている。
論文参考訳（メタデータ） (2022-03-02T10:45:53Z)
AdaPool: Exponential Adaptive Pooling for Information-Retaining Downsampling [82.08631594071656]
畳み込み層は畳み込みニューラルネットワーク(CNN)の重要な構成要素である適応的で指数関数的に重み付けされたアダプール法を提案する。 adaPoolは画像やビデオの分類やオブジェクト検出など,さまざまなタスクを通じて,ディテールの保存性の向上を実証する。
論文参考訳（メタデータ） (2021-11-01T08:50:37Z)
Ordinal Pooling [26.873004843826962]
通常のプーリングは、シーケンス内のプール領域の要素を並べ替え、シーケンス内の順序に基づいて各要素に異なる重みを割り当てる。実験により、ネットワークがプーリング層内で異なるタイプのプール操作を行うのが有利であることが示唆された。
論文参考訳（メタデータ） (2021-09-03T14:33:02Z)
Submodular + Concave [53.208470310734825]
第一次最適化法が凹関数の最大目的値に収束できることはよく確立されている。本研究では、滑らかな函数凸体(英語版)の行列式を$F(x) = G(x) +C(x)$で始める。このクラスの函数は、保証がないような凹凸函数と連続DR-部分モジュラ函数の両方の拡張である。
論文参考訳（メタデータ） (2021-06-09T01:59:55Z)
Lower Bounds and Optimal Algorithms for Smooth and Strongly Convex Decentralized Optimization Over Time-Varying Networks [79.16773494166644]
通信ネットワークのノード間を分散的に保存するスムーズで強い凸関数の和を最小化するタスクについて検討する。我々は、これらの下位境界を達成するための2つの最適アルゴリズムを設計する。我々は,既存の最先端手法と実験的な比較を行うことにより,これらのアルゴリズムの理論的効率を裏付ける。
論文参考訳（メタデータ） (2021-06-08T15:54:44Z)
Comparison of Methods Generalizing Max- and Average-Pooling [1.693200946453174]
最大および平均プールは畳み込みニューラルネットワークにおけるダウンサンプリングの最も一般的な方法である。本稿では,最大値と平均値の両方を一般化する異なるプール法の比較を行う。結果は、より洗練された方法のどれでも、標準的な最大または平均プールよりもこの分類タスクで有意に優れています。
論文参考訳（メタデータ） (2021-03-02T14:26:51Z)
Parallel Stochastic Mirror Descent for MDPs [72.75921150912556]
無限水平マルコフ決定過程(MDP)における最適政策学習の問題を考える。リプシッツ連続関数を用いた凸プログラミング問題に対してミラー・ディクセントの変種が提案されている。このアルゴリズムを一般の場合において解析し,提案手法の動作中に誤差を蓄積しない収束率の推定値を得る。
論文参考訳（メタデータ） (2021-02-27T19:28:39Z)
Efficient Pure Exploration for Combinatorial Bandits with Semi-Bandit Feedback [51.21673420940346]
コンビナーシャルバンディットはマルチアームバンディットを一般化し、エージェントが腕のセットを選択し、選択したセットに含まれる各腕の騒々しい報酬を観察します。我々は, 最善の腕を一定の信頼度で識別する純粋爆発問題と, 応答集合の構造が動作集合の1つと異なるような, より一般的な設定に注目する。有限多面体に対するプロジェクションフリーオンライン学習アルゴリズムに基づいて、凸的に最適であり、競争力のある経験的性能を持つ最初の計算効率の良いアルゴリズムである。
論文参考訳（メタデータ） (2021-01-21T10:35:09Z)
Learning Aggregation Functions [78.47770735205134]
任意の濃度の集合に対する学習可能なアグリゲータであるLAF(Learning Aggregation Function)を紹介する。半合成および実データを用いて,LAFが最先端の和(max-)分解アーキテクチャより優れていることを示す実験を報告する。
論文参考訳（メタデータ） (2020-12-15T18:28:53Z)

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。