Fugu-MT 論文翻訳(概要): Scalable particle-based alternatives to EM

論文の概要: Scalable particle-based alternatives to EM

arxiv url: http://arxiv.org/abs/2204.12965v1
Date: Wed, 27 Apr 2022 14:25:07 GMT
ステータス: 処理完了
システム内更新日: 2022-04-28 13:02:33.462548
Title: Scalable particle-based alternatives to EM
Title（参考訳）: スケーラブル粒子によるEMの代替
Authors: Juan Kuntz, Adam M. Johansen
Abstract要約: より広いモデルのクラスに適用可能なEMの実用的な3つの代替品を得る。新たなアルゴリズムは、高次元設定によく対応し、数値実験において既存の最先端手法より優れている。
参考スコア（独自算出の注目度）: 1.52292571922932
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Building on (Neal and Hinton, 1998), where the problem tackled by EM is recast as the optimization of a free energy functional on an infinite-dimensional space, we obtain three practical particle-based alternatives to EM applicable to broad classes of models. All three are derived through straightforward discretizations of gradient flows associated with the functional. The novel algorithms scale well to high-dimensional settings and outperform existing state-of-the-art methods in numerical experiments.
Abstract（参考訳）: 無限次元空間上の自由エネルギー汎関数の最適化としてemが取り組んだ問題(neal and hinton, 1998)に基づいて、em の幅広いクラスに適用可能な3つの実用的な粒子ベースの代替案を得る。これら3つは、関数に付随する勾配流の直接的離散化によって導出される。新たなアルゴリズムは高次元設定によく対応し、数値実験において既存の最先端手法より優れている。

関連論文リスト

Geometric Trajectory Diffusion Models [58.853975433383326]
生成モデルは3次元幾何学システムの生成において大きな可能性を示してきた。既存のアプローチは静的構造のみで動作し、物理系は常に自然界において動的であるという事実を無視する。本研究では3次元軌跡の時間分布をモデル化する最初の拡散モデルである幾何軌道拡散モデル(GeoTDM)を提案する。
論文参考訳（メタデータ） (2024-10-16T20:36:41Z)
Finite Operator Learning: Bridging Neural Operators and Numerical Methods for Efficient Parametric Solution and Optimization of PDEs [0.0]
本稿では,ニューラルネットワーク,物理情報処理機械学習,およびPDEを解くための標準的な数値法を組み合わせた手法を提案する。データのない方法で偏微分方程式をパラメトリックに解き、正確な感度を与えることができる。本研究では, 不均一材料中の定常熱方程式に着目した。
論文参考訳（メタデータ） (2024-07-04T21:23:12Z)
Momentum Particle Maximum Likelihood [2.4561590439700076]
自由エネルギー関数を最小化するための類似の力学系に基づくアプローチを提案する。システムを離散化することにより、潜在変数モデルにおける最大推定のための実用的なアルゴリズムを得る。このアルゴリズムは既存の粒子法を数値実験で上回り、他のMLEアルゴリズムと比較する。
論文参考訳（メタデータ） (2023-12-12T14:53:18Z)
D4FT: A Deep Learning Approach to Kohn-Sham Density Functional Theory [79.50644650795012]
コーンシャム密度汎関数論(KS-DFT)を解くための深層学習手法を提案する。このような手法はSCF法と同じ表現性を持つが,計算複雑性は低下する。さらに,本手法により,より複雑なニューラルベース波動関数の探索が可能となった。
論文参考訳（メタデータ） (2023-03-01T10:38:10Z)
Sampling with Mollified Interaction Energy Descent [57.00583139477843]
モーフィファイド相互作用エネルギー降下(MIED)と呼ばれる新しい最適化に基づくサンプリング手法を提案する。 MIEDは、モル化相互作用エネルギー(MIE)と呼ばれる確率測度に関する新しいクラスのエネルギーを最小化する我々は,制約のないサンプリング問題に対して,我々のアルゴリズムがSVGDのような既存の粒子ベースアルゴリズムと同等に動作することを示す。
論文参考訳（メタデータ） (2022-10-24T16:54:18Z)
GANs and Closures: Micro-Macro Consistency in Multiscale Modeling [0.0]
本稿では,物理シミュレーションとバイアス法を併用して,条件分布をサンプリングする手法を提案する。このフレームワークは, マルチスケールSDE動的システムサンプリングを改善することができることを示すとともに, 複雑性が増大するシステムにも期待できることを示す。
論文参考訳（メタデータ） (2022-08-23T03:45:39Z)
Equivariant Diffusion for Molecule Generation in 3D [74.289191525633]
この研究は、ユークリッド変換に同値な3次元の分子計算生成のための拡散モデルを導入する。提案手法は, 従来の3次元分子生成法に比べて, 生成した試料の品質と訓練時の効率を著しく向上させる。
論文参考訳（メタデータ） (2022-03-31T12:52:25Z)
A survey of unsupervised learning methods for high-dimensional uncertainty quantification in black-box-type problems [0.0]
複素偏微分方程式(PPDE)上の量子化不確実性(UQ)のための代理モデルを構築する。次元性の呪いは、適切な教師なし学習技術で使用される事前次元の部分空間である。我々は,m-PCEモデルの利点と限界を実証し,m-PCEモデルが深部部分空間に対するコスト効率の良いアプローチを提供すると結論付けた。
論文参考訳（メタデータ） (2022-02-09T16:33:40Z)
Comparative Study of State-of-the-Art Matrix-Product-State Methods for Lattice Models with Large Local Hilbert Spaces [0.06524460254566902]
マトリックス生成状態(MPS)は、柔軟で汎用的なアンザッツクラスを提供する。計算複雑性に対処するための異なるアプローチを利用する,最先端MPSの3つの手法を記述・比較する。本研究では,これらの手法の特性をホルシュタイン模型の例として解析し,高精度な計算と,関連する基底状態オブザーバブルの有限サイズスケーリング解析を行う。
論文参考訳（メタデータ） (2020-11-14T23:24:46Z)
Method of spectral Green functions in driven open quantum dynamics [77.34726150561087]
オープン量子力学のシミュレーションのために,スペクトルグリーン関数に基づく新しい手法を提案する。この形式主義は、場の量子論におけるグリーン関数の使用と顕著な類似性を示している。本手法は,完全マスター方程式の解法に基づくシミュレーションと比較して計算コストを劇的に削減する。
論文参考訳（メタデータ） (2020-06-04T09:41:08Z)
A Near-Optimal Gradient Flow for Learning Neural Energy-Based Models [93.24030378630175]
学習エネルギーベースモデル(EBM)の勾配流を最適化する新しい数値スキームを提案する。フォッカー・プランク方程式から大域相対エントロピーの2階ワッサーシュタイン勾配流を導出する。既存のスキームと比較して、ワッサーシュタイン勾配流は実データ密度を近似するより滑らかで近似的な数値スキームである。
論文参考訳（メタデータ） (2019-10-31T02:26:20Z)

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。