論文の概要: Is an encoder within reach?

• arxiv url: http://arxiv.org/abs/2206.01552v1
• Date: Fri, 3 Jun 2022 13:06:22 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-06 19:24:08.039504
• Title: Is an encoder within reach?
• Title（参考訳）: エンコーダは手元にありますか?
• Authors: Helene Hauschultz, Rasmus Berg Palm. Pablo Moreno-Mu\~nos, Nicki Skafte Detlefsen, Andrew Allan du Plessis, S{\o}ren Hauberg
• Abstract要約: 与えられたデータセットとデコーダに対して最適なエンコーダが存在するかどうかを判断するために,デコーダによって拡張された多様体のリーチを利用する方法を提案する。 これにより、どの観察がユニークで、したがって信頼できる、潜在的な表現を期待できるかを決定できることを示した。
• 参考スコア（独自算出の注目度）: 3.9548535445908928
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The encoder network of an autoencoder is an approximation of the nearest point projection onto the manifold spanned by the decoder. A concern with this approximation is that, while the output of the encoder is always unique, the projection can possibly have infinitely many values. This implies that the latent representations learned by the autoencoder can be misleading. Borrowing from geometric measure theory, we introduce the idea of using the reach of the manifold spanned by the decoder to determine if an optimal encoder exists for a given dataset and decoder. We develop a local generalization of this reach and propose a numerical estimator thereof. We demonstrate that this allows us to determine which observations can be expected to have a unique, and thereby trustworthy, latent representation. As our local reach estimator is differentiable, we investigate its usage as a regularizer and show that this leads to learned manifolds for which projections are more often unique than without regularization.
• Abstract（参考訳）: オートエンコーダのエンコーダネットワークは、デコーダにまたがる多様体への最寄りの点射影の近似である。 この近似に対する懸念は、エンコーダの出力は常に一意であるが、射影は無限に多くの値を持つ可能性があることである。 これはオートエンコーダが学習した潜在表現が誤解を招く可能性があることを意味する。 幾何学的測度理論から,デコーダが有する多様体のリーチを用いて,与えられたデータセットとデコーダに対して最適なエンコーダが存在するかどうかを決定する。 このリーチの局所的一般化を開発し,その数値推定器を提案する。 これにより、どの観察がユニークで信頼性の高い潜在表現を持つと期待できるかを決定することができることを実証する。 局所到達推定器は微分可能であるため、その正規化としての使用法を調べ、これが正規化なしでは射影がより一意であるような学習多様体へと導くことを示した。

関連論文リスト

• Almost Linear Decoder for Optimal Geometrically Local Quantum Codes [8.837439668920288]
  距離と寸法の両方を最大化する幾何学的局所符号と、符号のエネルギー障壁を実現する方法を示す。 これにより、最適な3D幾何学的局所コードのための最初のデコーダが提供される。
  論文  参考訳（メタデータ） (2024-11-05T09:15:06Z)
• Think Twice before Driving: Towards Scalable Decoders for End-to-End Autonomous Driving [74.28510044056706]
  既存のメソッドは通常、分離されたエンコーダ-デコーダパラダイムを採用する。 本研究は,この問題を2つの原則で緩和することを目的としている。 まず、エンコーダの特徴に基づいて、粗い将来の位置と行動を予測する。 そして、その位置と動作を条件に、将来のシーンを想像して、それに従って運転した場合にその影響を確認する。
  論文  参考訳（メタデータ） (2023-05-10T15:22:02Z)
• String-based Molecule Generation via Multi-decoder VAE [56.465033997245776]
  可変オートエンコーダ(VAE)による文字列型分子生成の問題点について検討する。 本稿では,そのタスクに対するVAEの性能を改善するための,シンプルで効果的なアイデアを提案する。 実験では,提案するVAEモデルを用いて,領域外分布からサンプルを生成する。
  論文  参考訳（メタデータ） (2022-08-23T03:56:30Z)
• When Counting Meets HMER: Counting-Aware Network for Handwritten Mathematical Expression Recognition [57.51793420986745]
  我々は、手書き数式認識(HMER)のための非従来型ネットワークであるCounting-Aware Network(CAN)を提案する。 シンボルレベルの位置アノテーションを使わずに各シンボルクラスの数を予測できる弱教師付きカウントモジュールを設計する。 HMERのベンチマークデータセットの実験により、エンコーダ・デコーダモデルの予測誤差を修正するために、共同最適化とカウント結果の両方が有用であることが検証された。
  論文  参考訳（メタデータ） (2022-07-23T08:39:32Z)
• StolenEncoder: Stealing Pre-trained Encoders [62.02156378126672]
  我々は、事前訓練された画像エンコーダを盗むStolenEncoderと呼ばれる最初の攻撃を提案する。 以上の結果から,StolenEncoderが盗んだエンコーダは,ターゲットエンコーダと同じような機能を持つことがわかった。
  論文  参考訳（メタデータ） (2022-01-15T17:04:38Z)
• Dense Coding with Locality Restriction for Decoder: Quantum Encoders vs. Super-Quantum Encoders [67.12391801199688]
  我々は、デコーダに様々な局所性制限を課すことにより、濃密な符号化について検討する。 このタスクでは、送信者アリスと受信機ボブが絡み合った状態を共有する。
  論文  参考訳（メタデータ） (2021-09-26T07:29:54Z)
• Pulling back information geometry [3.0273878903284266]
  我々は,幅広いデコーダ分布に対して有意義な潜在測地を実現できることを示す。 我々は,幅広いデコーダ分布に対して有意義な潜在測地を実現できることを示す。
  論文  参考訳（メタデータ） (2021-06-09T20:16:28Z)
• Variational Autoencoder-Based Vehicle Trajectory Prediction with an Interpretable Latent Space [0.0]
  本稿では,車両軌道予測のための教師なし・エンドツーエンドの学習可能なニューラルネットワークであるdescriptive variational autoencoder (dvae)について述べる。 提案モデルは同様の予測精度を提供するが、解釈可能な潜在空間を持つことの利点がある。
  論文  参考訳（メタデータ） (2021-03-25T10:15:53Z)
• Autoencoding Variational Autoencoder [56.05008520271406]
  我々は,この行動が学習表現に与える影響と,自己整合性の概念を導入することでそれを修正する結果について検討する。 自己整合性アプローチで訓練されたエンコーダは、敵攻撃による入力の摂動に対して頑健な(無神経な)表現につながることを示す。
  論文  参考訳（メタデータ） (2020-12-07T14:16:14Z)

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。