Fugu-MT 論文翻訳(概要): Symmetry-Preserving Paths in Integrated Gradients

論文の概要: Symmetry-Preserving Paths in Integrated Gradients

arxiv url: http://arxiv.org/abs/2103.13533v1
Date: Thu, 25 Mar 2021 00:09:09 GMT
ステータス: 処理完了
システム内更新日: 2021-03-26 13:53:54.300067
Title: Symmetry-Preserving Paths in Integrated Gradients
Title（参考訳）: 統合勾配における対称性保存経路
Authors: Miguel Lerma and Mirtha Lucas
Abstract要約: 本稿では,統合勾配法 (ig) が完全性および対称性保存性を満たすことを厳密に証明する。また、対称性を保つ経路法としてIGの特異性についても検討する。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We provide rigorous proofs that the Integrated Gradients (IG) attribution method for deep networks satisfies completeness and symmetry-preserving properties. We also study the uniqueness of IG as a path method preserving symmetry.
Abstract（参考訳）: 深層ネットワークに対する統合勾配(ig)帰属法が完全性と対称性保存特性を満たすことを厳密に証明する。また、対称性を保つ経路法としてIGの特異性についても検討する。

関連論文リスト

Holographic View of Mixed-State Symmetry-Protected Topological Phases in Open Quantum Systems [4.416740212467273]
D次元混合対称性保護位相(mSPTs)と(d+1)次元サブシステム対称性保護位相(SSPTs)のホログラフィック双対性を確立する。具体的には、サブシステム対称性を持つ(d+1)次元SSPTの境界層の還元密度行列が、強い$mathcalS$と弱い$mathcalG$対称性を持つd次元mSPTに対応することを示す。
論文参考訳（メタデータ） (2024-10-10T17:59:42Z)
A Unified Theory of Stochastic Proximal Point Methods without Smoothness [52.30944052987393]
近点法はその数値的安定性と不完全なチューニングに対する頑健性からかなりの関心を集めている。本稿では,近位点法(SPPM)の幅広いバリエーションの包括的解析について述べる。
論文参考訳（メタデータ） (2024-05-24T21:09:19Z)
Symmetry-guided gradient descent for quantum neural networks [5.170906880400192]
対称性の制約を簡潔な数学的形式に定式化する。コスト関数に制約を適用する2つの方法を設計します。我々は対称性誘導勾配降下法(SGGD)と呼ぶ。
論文参考訳（メタデータ） (2024-04-09T08:19:33Z)
Oracle-Preserving Latent Flows [58.720142291102135]
我々はラベル付きデータセット全体にわたって複数の非自明な連続対称性を同時に発見するための方法論を開発する。対称性変換と対応するジェネレータは、特別に構築された損失関数で訓練された完全連結ニューラルネットワークでモデル化される。この研究における2つの新しい要素は、縮小次元の潜在空間の使用と、高次元のオラクルに関して不変な変換への一般化である。
論文参考訳（メタデータ） (2023-02-02T00:13:32Z)
Topological edge-states of the PT-symmetric Su-Schrieffer-Heeger model: An effective two-state description [0.0]
本研究では, 位相的に保護されたエッジ状態の特性について検討し, システムの2状態解析的記述を開発する。正確な数値計算により結果を検証する。
論文参考訳（メタデータ） (2022-04-14T12:52:51Z)
Improving Metric Dimensionality Reduction with Distributed Topology [68.8204255655161]
DIPOLEは、局所的、計量的項と大域的、位相的項の両方で損失関数を最小化し、初期埋め込みを補正する次元推論後処理ステップである。 DIPOLEは、UMAP、t-SNE、Isomapといった一般的な手法よりも多くの一般的なデータセットで優れています。
論文参考訳（メタデータ） (2021-06-14T17:19:44Z)
GELATO: Geometrically Enriched Latent Model for Offline Reinforcement Learning [54.291331971813364]
オフライン強化学習アプローチは、近近法と不確実性認識法に分けられる。本研究では,この2つを潜在変動モデルに組み合わせることのメリットを実証する。提案したメトリクスは、分布サンプルのアウトの品質と、データ内のサンプルの不一致の両方を測定します。
論文参考訳（メタデータ） (2021-02-22T19:42:40Z)
Neural Mechanics: Symmetry and Broken Conservation Laws in Deep Learning Dynamics [26.485269202381932]
トレーニング中のニューラルネットワークパラメータのダイナミクスを理解することは、ディープラーニングの理論基盤を構築する上で重要な課題のひとつだ。このような対称性は勾配やヘッシアンに厳密な幾何学的制約を課し、関連する保存則を導く。 SGDが有限学習速度で行った数値軌道をよりよく近似する差分方程式である修正勾配流の導出に有限差分法からツールを適用します。
論文参考訳（メタデータ） (2020-12-08T20:33:30Z)
Symmetry-resolved entanglement in symmetry-protected topological phases [0.0]
対称性保護位相(SPT)は1次元(1D)の絡み合いスペクトルにおいて普遍的な退化を持つ我々はこの現象をコホモロジー理論を用いて対称性分解絡み合い(SRE)の枠組みで定式化する。
論文参考訳（メタデータ） (2020-08-21T06:54:56Z)
Understanding Gradient Clipping in Private SGD: A Geometric Perspective [68.61254575987013]
ディープラーニングモデルは、トレーニングデータが機密情報を含む可能性がある多くの機械学習アプリケーションで、ますます人気が高まっている。多くの学習システムは、(異なる)プライベートSGDでモデルをトレーニングすることで、差分プライバシーを取り入れている。各プライベートSGDアップデートにおける重要なステップは勾配クリッピングであり、L2ノルムがしきい値を超えると、個々の例の勾配を小さくする。
論文参考訳（メタデータ） (2020-06-27T19:08:12Z)
Gauge Equivariant Mesh CNNs: Anisotropic convolutions on geometric graphs [81.12344211998635]
メッシュ上の畳み込みを定義する一般的なアプローチは、それらをグラフとして解釈し、グラフ畳み込みネットワーク(GCN)を適用することである。本稿では、GCNを一般化して異方性ゲージ同変カーネルを適用するGauge Equivariant Mesh CNNを提案する。本実験は,従来のGCNおよび他の手法と比較して,提案手法の表現性を大幅に向上することを示した。
論文参考訳（メタデータ） (2020-03-11T17:21:15Z)

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。