論文の概要: Rotated Digit Recognition by Variational Autoencoders with Fixed Output Distributions

• arxiv url: http://arxiv.org/abs/2206.13388v1
• Date: Sat, 18 Jun 2022 00:21:49 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-04 02:37:18.511023
• Title: Rotated Digit Recognition by Variational Autoencoders with Fixed Output Distributions
• Title（参考訳）: 一定出力分布を持つ変分オートエンコーダによる回転数字認識
• Authors: David Yevick
• Abstract要約: 可変オートエンコーダ(VAE)の簡単な修正により、回転および歪んだ桁を識別することができる。 ランダムに回転したMNIST桁で訓練されたVAE: 異なる桁のクラスを確実に区別することはできない。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper demonstrates that a simple modification of the variational autoencoder (VAE) formalism enables the method to identify and classify rotated and distorted digits. In particular, the conventional objective (cost) function employed during the training process of a VAE both quantifies the agreement between the input and output data records and ensures that the latent space representation of the input data record is statistically generated with an appropriate mean and standard deviation. After training, simulated data realizations are generated by decoding appropriate latent space points. Since, however, standard VAE:s trained on randomly rotated MNIST digits cannot reliably distinguish between different digit classes since the rotated input data is effectively compared to a similarly rotated output data record. In contrast, an alternative implementation in which the objective function compares the output associated with each rotated digit to a corresponding fixed unreferenced reference digit is shown here to discriminate accurately among the rotated digits in latent space even when the dimension of the latent space is 2 or 3.
• Abstract（参考訳）: 本稿では,変分オートエンコーダ(vae)形式を簡易に修正することで,回転および歪んだ桁を識別・分類できることを示す。 特に、VAEのトレーニングプロセスで使用される従来の目的(コスト)関数は、入力データレコードと出力データレコードとの一致を定量化し、入力データレコードの潜在空間表現が、適切な平均と標準偏差で統計的に生成されることを保証する。 トレーニング後、適切な潜在空間点を復号してシミュレーションデータ実現を生成する。 しかしながら、ランダムに回転したMNIST桁で訓練された標準VAE:sは、同じ回転した出力データレコードと効果的に比較されるので、異なる桁のクラスを確実に区別することはできない。 これとは対照的に、対象関数が各回転桁に付随する出力と対応する固定未参照参照桁とを比較した代替実装をここで示し、潜時空間の寸法が2または3であっても、潜時空間における回転桁を正確に判別する。

関連論文リスト

• Unsupervised Representation Learning from Sparse Transformation Analysis [79.94858534887801]
  本稿では,潜在変数のスパース成分への変換を分解し,シーケンスデータから表現を学習することを提案する。 入力データは、まず潜伏活性化の分布として符号化され、その後確率フローモデルを用いて変換される。
  論文  参考訳（メタデータ） (2024-10-07T23:53:25Z)
• On Designing Features for Condition Monitoring of Rotating Machines [7.830376406370754]
  回転機械の故障認識のための入力特徴を設計するための様々な手法が提案されている。 本稿では,異なる時系列センサデータに対する特徴抽出を統一する入力特徴を設計するための新しいアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-02-15T14:08:08Z)
• Branched Variational Autoencoder Classifiers [0.0]
  本稿では、追加のニューラルネットワークブランチを含む変分オートエンコーダ(VAE)について紹介する。 その結果、入力クラスの潜時空間分布を分離順序付けし、分類精度を向上させる。
  論文  参考訳（メタデータ） (2024-01-04T20:29:44Z)
• Neural Network Characterization and Entropy Regulated Data Balancing through Principal Component Analysis [0.0]
  本稿では,ニューラルネットワークの動作と,トレーニングデータの低次主成分による空間へのデータレコードの投影から形成される分布との関係について検討する。
  論文  参考訳（メタデータ） (2023-12-03T13:39:36Z)
• Over-the-Air Computation over Balanced Numerals [13.878567119881483]
  実数値パラメータの集合の平均は、対応する数字の平均を用いておおよそ計算することができる。 提案手法は局所勾配を数値の集合にエンコードする。 次に、数値を用いて、活性化周波数分割多重化(OFDM)サブキャリアの位置を決定する。
  論文  参考訳（メタデータ） (2022-09-22T13:35:58Z)
• Dataset Condensation with Latent Space Knowledge Factorization and Sharing [73.31614936678571]
  与えられたデータセットの規則性を利用してデータセットの凝縮問題を解決する新しい手法を提案する。 データセットを元の入力空間に直接凝縮するのではなく、学習可能な一連のコードでデータセットの生成プロセスを仮定する。 提案手法は,様々なベンチマークデータセットに対して,有意なマージンで新しい最先端記録を達成できることを実験的に示す。
  論文  参考訳（メタデータ） (2022-08-21T18:14:08Z)
• Certifying Model Accuracy under Distribution Shifts [151.67113334248464]
  本稿では,データ分布の有界ワッサースタインシフトの下でのモデルの精度について,証明可能なロバスト性保証を提案する。 変換空間におけるモデルの入力をランダム化する単純な手順は、変換の下での分布シフトに対して確実に堅牢であることを示す。
  論文  参考訳（メタデータ） (2022-01-28T22:03:50Z)
• Attentive Prototypes for Source-free Unsupervised Domain Adaptive 3D Object Detection [85.11649974840758]
  3Dオブジェクト検出ネットワークは、トレーニングされたデータに対してバイアスを受ける傾向がある。 そこで本研究では,ライダーを用いた3次元物体検出器のソースレス・教師なし領域適応のための単一フレーム手法を提案する。
  論文  参考訳（メタデータ） (2021-11-30T18:42:42Z)
• Source-free Domain Adaptation via Distributional Alignment by Matching Batch Normalization Statistics [85.75352990739154]
  ソースフリー設定のための新しいドメイン適応手法を提案する。 未観測のソースデータの分布を近似するために,事前学習モデルに格納されたバッチ正規化統計を用いた。 本手法は最先端のドメイン適応手法で競合性能を実現する。
  論文  参考訳（メタデータ） (2021-01-19T14:22:33Z)
• 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)
• Autoencoder Image Interpolation by Shaping the Latent Space [12.482988592988868]
  オートエンコーダは、異なるタイプのデータセットを特徴付ける基礎となる要因を計算するための効果的なアプローチである。 トレーニング画像と整合した多様体に従うために潜在表現を形作る正規化手法を提案する。
  論文  参考訳（メタデータ） (2020-08-04T12:32:54Z)

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。