論文の概要: Equivariant Manifold Flows

• arxiv url: http://arxiv.org/abs/2107.08596v1
• Date: Mon, 19 Jul 2021 03:04:44 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-20 15:06:38.963156
• Title: Equivariant Manifold Flows
• Title（参考訳）: 等変多様体フロー
• Authors: Isay Katsman, Aaron Lou, Derek Lim, Qingxuan Jiang, Ser-Nam Lim, Christopher De Sa
• Abstract要約: 等変多様体フローを通じて任意の多様体上の対称性不変分布を学習するための理論的基礎を置く。 量子場理論の文脈で、SU(n)$以上のゲージ不変密度を学習するためにこの手法の実用性を実証する。
• 参考スコア（独自算出の注目度）: 48.21296508399746
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Tractably modelling distributions over manifolds has long been an important goal in the natural sciences. Recent work has focused on developing general machine learning models to learn such distributions. However, for many applications these distributions must respect manifold symmetries -- a trait which most previous models disregard. In this paper, we lay the theoretical foundations for learning symmetry-invariant distributions on arbitrary manifolds via equivariant manifold flows. We demonstrate the utility of our approach by using it to learn gauge invariant densities over $SU(n)$ in the context of quantum field theory.
• Abstract（参考訳）: 多様体上の従順なモデリング分布は、自然科学において長い間重要な目標であった。 近年,このような分布を学習するための汎用機械学習モデルの開発が注目されている。 しかし、多くの応用において、これらの分布は多様体対称性を尊重しなければならない。 本稿では, 任意の多様体上の対称性不変分布を等変多様体フローで学習する理論的基礎について述べる。 量子場理論の文脈で、SU(n)$以上のゲージ不変密度を学習するためにこの手法の実用性を実証する。

関連論文リスト

• Structure Preserving Diffusion Models [21.774891092908945]
  群対称性などの付加構造を持つ分布を学習するための拡散過程のファミリを導入する。 これらの結果は、本質的に対称な分布を学習することのできる、異なる対称性同変拡散モデルの集合を開発することで、実証することができる。 本稿では,提案モデルを用いて理論的に保証された同変画像雑音の低減を実現する方法を示す。
  論文  参考訳（メタデータ） (2024-02-29T17:16:20Z)
• Equivariant Manifold Neural ODEs and Differential Invariants [1.6073704837297416]
  我々は同変多様体ニューラル常微分方程式(NODE)の明らかな幾何学的枠組みを開発する。 私たちは、対称データに対するモデリング能力を解析するためにそれを使用します。
  論文  参考訳（メタデータ） (2024-01-25T12:23:22Z)
• Scaling Riemannian Diffusion Models [68.52820280448991]
  非自明な多様体上の高次元タスクにスケールできることを示す。 我々は、$SU(n)$格子上のQCD密度と高次元超球面上の対照的に学習された埋め込みをモデル化する。
  論文  参考訳（メタデータ） (2023-10-30T21:27:53Z)
• A Geometric Insight into Equivariant Message Passing Neural Networks on Riemannian Manifolds [1.0878040851638]
  座標独立な特徴体に付随する計量は、主バンドルの原計量を最適に保存すべきである。 一定の時間ステップで拡散方程式の流れを離散化することにより, 多様体上のメッセージパッシング方式を得る。 グラフ上の高次拡散過程の離散化は、同変 GNN の新しい一般クラスをもたらす。
  論文  参考訳（メタデータ） (2023-10-16T14:31:13Z)
• Conformal inference for regression on Riemannian Manifolds [49.7719149179179]
  回帰シナリオの予測セットは、応答変数が$Y$で、多様体に存在し、Xで表される共変数がユークリッド空間にあるときに検討する。 我々は、多様体上のこれらの領域の経験的バージョンが、その集団に対するほぼ確実に収束していることを証明する。
  論文  参考訳（メタデータ） (2023-10-12T10:56:25Z)
• Generative Modeling on Manifolds Through Mixture of Riemannian Diffusion Processes [57.396578974401734]
  一般多様体上に生成拡散過程を構築するための原理的枠組みを導入する。 従来の拡散モデルの認知的アプローチに従う代わりに、橋梁プロセスの混合を用いて拡散過程を構築する。 混合過程を幾何学的に理解し,データ点への接する方向の重み付け平均としてドリフトを導出する。
  論文  参考訳（メタデータ） (2023-10-11T06:04:40Z)
• Convolutional Filtering on Sampled Manifolds [122.06927400759021]
  サンプル多様体上の畳み込みフィルタリングは連続多様体フィルタリングに収束することを示す。 本研究は,ナビゲーション制御の問題点を実証的に明らかにした。
  論文  参考訳（メタデータ） (2022-11-20T19:09:50Z)
• Wrapped Distributions on homogeneous Riemannian manifolds [58.720142291102135]
  パラメータ、対称性、モダリティなどの分布の性質の制御は、フレキシブルな分布の族を生み出す。 変動型オートエンコーダと潜在空間ネットワークモデル内で提案した分布を利用して,我々のアプローチを実証的に検証する。
  論文  参考訳（メタデータ） (2022-04-20T21:25:21Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。