論文の概要: The efficacy and generalizability of conditional GANs for posterior inference in physics-based inverse problems

• arxiv url: http://arxiv.org/abs/2202.07773v1
• Date: Tue, 15 Feb 2022 22:57:05 GMT
• ステータス: 処理完了
• システム内更新日: 2022-02-18 03:59:30.592948
• Title: The efficacy and generalizability of conditional GANs for posterior inference in physics-based inverse problems
• Title（参考訳）: 物理系逆問題における後進推論に対する条件付きganの有効性と一般化可能性
• Authors: Deep Ray, Harisankar Ramaswamy, Dhruv V. Patel, Assad A. Oberai
• Abstract要約: 我々は、物理に基づくベイズ推論問題の後部から効果的にサンプリングするために、条件付きワッサーシュタイン生成逆数ネットワークを訓練する。 生成元は自然界において局所的な逆写像を学習できることを示す。
• 参考スコア（独自算出の注目度）: 0.4588028371034407
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this work, we train conditional Wasserstein generative adversarial networks to effectively sample from the posterior of physics-based Bayesian inference problems. The generator is constructed using a U-Net architecture, with the latent information injected using conditional instance normalization. The former facilitates a multiscale inverse map, while the latter enables the decoupling of the latent space dimension from the dimension of the measurement, and introduces stochasticity at all scales of the U-Net. We solve PDE-based inverse problems to demonstrate the performance of our approach in quantifying the uncertainty in the inferred field. Further, we show the generator can learn inverse maps which are local in nature, which in turn promotes generalizability when testing with out-of-distribution samples.
• Abstract（参考訳）: 本研究では,条件付きwasserstein生成逆ネットワークをトレーニングし,物理ベースのベイズ推論問題の後方から効果的にサンプルする。 ジェネレータは、条件付きインスタンス正規化を用いて潜時情報を注入するU-Netアーキテクチャを用いて構築される。 前者はマルチスケールの逆写像を促進し、後者は、測定の次元から潜在空間次元の分離を可能にし、U-Netのすべてのスケールで確率性を導入する。 我々はPDEに基づく逆問題を解き、推論された場の不確実性を定量化する手法の性能を示す。 さらに,本研究では,自然界において局所的な逆写像を学習できることを示す。

関連論文リスト

• Conditional score-based diffusion models for solving inverse problems in mechanics [6.319616423658121]
  条件付きスコアベース拡散モデルを用いてベイズ推定を行う枠組みを提案する。 条件付きスコアベース拡散モデルは条件分布のスコア関数を近似する生成モデルである。 メカニクスにおける高次元逆問題に対して提案手法の有効性を示す。
  論文  参考訳（メタデータ） (2024-06-19T02:09:15Z)
• Learning a Gaussian Mixture for Sparsity Regularization in Inverse Problems [2.375943263571389]
  逆問題では、スパーシティ事前の組み込みは、解に対する正則化効果をもたらす。 本稿では,ガウスの混合として事前に定式化された確率的疎性について提案する。 我々は、このネットワークのパラメータを推定するために、教師なしのトレーニング戦略と教師なしのトレーニング戦略をそれぞれ導入した。
  論文  参考訳（メタデータ） (2024-01-29T22:52:57Z)
• Deep Variational Inverse Scattering [18.598311270757527]
  逆媒体散乱解法は一般に、関連する不確実性の尺度なしで単一の解を再構成する。 条件正規化フローのような深いネットワークは、逆問題の後部をサンプリングするのに使うことができる。 条件付き正規化フローに基づくベイズ的U-NetであるU-Flowを提案し,高品質な後続サンプルを生成し,物理的に有意な不確かさを推定する。
  論文  参考訳（メタデータ） (2022-12-08T14:57:06Z)
• Semi-supervised Invertible DeepONets for Bayesian Inverse Problems [8.594140167290098]
  DeepONetsは、学習オペレーターによってパラメトリックPDEを解決する強力なデータ駆動ツールを提供する。 本研究では,高次元ベイズ逆問題(Bayesian inverse problem)の文脈で物理インフォームド・ディープノネット(DeepONets)を用いる。
  論文  参考訳（メタデータ） (2022-09-06T18:55:06Z)
• On the Double Descent of Random Features Models Trained with SGD [78.0918823643911]
  勾配降下(SGD)により最適化された高次元におけるランダム特徴(RF)回帰特性について検討する。 本研究では, RF回帰の高精度な非漸近誤差境界を, 定常および適応的なステップサイズSGD設定の下で導出する。 理論的にも経験的にも二重降下現象を観察する。
  論文  参考訳（メタデータ） (2021-10-13T17:47:39Z)
• Leveraging Global Parameters for Flow-based Neural Posterior Estimation [90.21090932619695]
  実験観測に基づくモデルのパラメータを推定することは、科学的方法の中心である。 特に困難な設定は、モデルが強く不確定であるとき、すなわち、パラメータの異なるセットが同一の観測をもたらすときである。 本稿では,グローバルパラメータを共有する観測の補助的セットによって伝達される付加情報を利用して,その不確定性を破る手法を提案する。
  論文  参考訳（メタデータ） (2021-02-12T12:23:13Z)
• Efficient Semi-Implicit Variational Inference [65.07058307271329]
  効率的でスケーラブルな半単純外挿 (SIVI) を提案する。 本手法はSIVIの証拠を低勾配値の厳密な推測にマッピングする。
  論文  参考訳（メタデータ） (2021-01-15T11:39:09Z)
• GANs with Variational Entropy Regularizers: Applications in Mitigating the Mode-Collapse Issue [95.23775347605923]
  深層学習の成功に基づいて、GAN(Generative Adversarial Networks)は、観測されたサンプルから確率分布を学習するための現代的なアプローチを提供する。 GANはしばしば、ジェネレータが入力分布の既存のすべてのモードをキャプチャできないモード崩壊問題に悩まされる。 情報理論のアプローチを採り、生成したサンプルのエントロピーの変動的下限を最大化し、それらの多様性を増大させる。
  論文  参考訳（メタデータ） (2020-09-24T19:34:37Z)
• On the Convergence Rate of Projected Gradient Descent for a Back-Projection based Objective [58.33065918353532]
  我々は、最小二乗(LS)の代替として、バックプロジェクションに基づく忠実度項を考える。 LS項ではなくBP項を用いることで最適化アルゴリズムの繰り返しを少なくすることを示す。
  論文  参考訳（メタデータ） (2020-05-03T00:58:23Z)
• Parameterizing uncertainty by deep invertible networks, an application to reservoir characterization [0.9176056742068814]
  フルウェーブフォーム逆転に対する不確かさの定量化は、問題の条件の不確かさを確率論的に特徴づける。 本研究では,モデル空間へのガウス的ランダム入力を,実際の後部分布からサンプリングしたかのように「前方」に学習するディープネットワークを特徴とするアプローチを提案する。
  論文  参考訳（メタデータ） (2020-04-16T18:37:56Z)
• Solving Inverse Problems with a Flow-based Noise Model [100.18560761392692]
  本研究では,従来の正規化フローを用いた画像逆問題について検討する。 我々の定式化は、この解を測定値に条件付けされた画像の最大後値推定とみなす。 提案手法の様々な逆問題に対する有効性について実験的に検証した。
  論文  参考訳（メタデータ） (2020-03-18T08:33:49Z)

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。