論文の概要: Analysis of Kinetic Models for Label Switching and Stochastic Gradient
Descent
- arxiv url: http://arxiv.org/abs/2207.00389v1
- Date: Fri, 1 Jul 2022 12:52:08 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-04 14:47:59.394825
- Title: Analysis of Kinetic Models for Label Switching and Stochastic Gradient
Descent
- Title(参考訳): ラベルスイッチングと確率勾配の老化に対する速度論的モデルの解析
- Authors: Martin Burger, Alex Rossi
- Abstract要約: ラベルスイッチングのための運動モデルの解析に新しいアプローチを提案する。
この設定で勾配勾配が理解できることを実証する。
我々の分析は、外的ポテンシャルの集合における進化の事例に焦点を当てている。
- 参考スコア(独自算出の注目度): 1.7513645771137178
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this paper we provide a novel approach to the analysis of kinetic models
for label switching, which are used for particle systems that can randomly
switch between gradient flows in different energy landscapes. Besides problems
in biology and physics, we also demonstrate that stochastic gradient descent,
the most popular technique in machine learning, can be understood in this
setting, when considering a time-continuous variant. Our analysis is focusing
on the case of evolution in a collection of external potentials, for which we
provide analytical and numerical results about the evolution as well as the
stationary problem.
- Abstract(参考訳): 本稿では,異なるエネルギー景観における勾配流をランダムに切り換えることができる粒子系において,ラベル切替の速度論的モデル解析のための新しいアプローチを提案する。
生物学や物理学の問題に加えて,機械学習における最も一般的な手法である確率勾配降下が,時間連続的な変分を考える際に,この設定で理解できることも示している。
我々の分析は、進化と定常問題に関する解析的および数値的な結果を提供する外部ポテンシャルの集合における進化の事例に焦点を当てている。
関連論文リスト
- Equivariant Graph Neural Operator for Modeling 3D Dynamics [153.9455825436751]
Equivariant Graph Neural Operator (EGNO) は,次のステップの予測に代えて,ダイナミックスを直接トラジェクトリとしてモデル化する,斬新で原理的な手法である。
EGNOは3次元力学の時間的進化を明示的に学習し、時間とともに関数として力学を定式化し、それを近似するためにニューラル演算子を学習する。
粒子シミュレーション、人間のモーションキャプチャー、分子動力学を含む複数の領域における総合的な実験は、既存の手法と比較して、EGNOの極めて優れた性能を示す。
論文 参考訳(メタデータ) (2024-01-19T21:50:32Z) - An optimization-based equilibrium measure describes non-equilibrium
steady state dynamics: application to edge of chaos [3.0349733976070024]
最適化問題として定常状態を求めることは、勾配ダイナミクスの実行と等価であることを示す。
このフレームワーク内では、ニューラルネットワークの焼き込み内因性障害を平均化することができる。
本手法は,決定論的・高次元力学の定常景観を解析的に研究するための扉を開く。
論文 参考訳(メタデータ) (2024-01-18T14:25:32Z) - Machine learning in and out of equilibrium [58.88325379746631]
我々の研究は、統計物理学から適応したフォッカー・プランク法を用いて、これらの平行線を探索する。
我々は特に、従来のSGDでは平衡が切れている長期的限界におけるシステムの定常状態に焦点を当てる。
本稿では,ミニバッチの置き換えを伴わない新しいランゲヴィンダイナミクス(SGLD)を提案する。
論文 参考訳(メタデータ) (2023-06-06T09:12:49Z) - Learning Lagrangian Fluid Mechanics with E($3$)-Equivariant Graph Neural
Networks [2.1401663582288144]
同変グラフニューラルネットワークは、より正確な動的相互作用モデルを学ぶことができる。
本研究では, テイラー・グリーン渦の3次元崩壊とポアゼイユ流の3次元逆流の2つのよく研究された流れ系をベンチマークした。
現在、トレーニングと評価がかなり遅いが、提案した履歴埋め込みの同変モデルは、より正確な物理的相互作用を学習する。
論文 参考訳(メタデータ) (2023-05-24T22:26:38Z) - Capturing dynamical correlations using implicit neural representations [85.66456606776552]
実験データから未知のパラメータを復元するために、モデルハミルトンのシミュレーションデータを模倣するために訓練されたニューラルネットワークと自動微分を組み合わせた人工知能フレームワークを開発する。
そこで本研究では, 実時間から多次元散乱データに適用可能な微分可能なモデルを1回だけ構築し, 訓練する能力について述べる。
論文 参考訳(メタデータ) (2023-04-08T07:55:36Z) - Dynamic Bayesian Learning and Calibration of Spatiotemporal Mechanistic
System [0.0]
ノイズ観測に基づくメカニカルモデルの完全学習と校正のためのアプローチを開発する。
通常の偏微分方程式と偏微分方程式の分析から生じる問題を解くことで、この柔軟性を実証する。
論文 参考訳(メタデータ) (2022-08-12T23:17:46Z) - Stochastic Langevin Differential Inclusions with Applications to Machine
Learning [8.669338893753885]
機械学習問題におけるLangevin型の流れと特性に関する基礎的な結果を示す。
特に, 自由エネルギー関数の最小化とともに, 解の強い存在を示す。
論文 参考訳(メタデータ) (2022-06-23T08:29:17Z) - GeoDiff: a Geometric Diffusion Model for Molecular Conformation
Generation [102.85440102147267]
分子配座予測のための新しい生成モデルGeoDiffを提案する。
GeoDiffは、既存の最先端のアプローチよりも優れているか、あるいは同等であることを示す。
論文 参考訳(メタデータ) (2022-03-06T09:47:01Z) - Equivariant vector field network for many-body system modeling [65.22203086172019]
Equivariant Vector Field Network (EVFN) は、新しい同変層と関連するスカラー化およびベクトル化層に基づいて構築されている。
シミュレーションされたニュートン力学系の軌跡を全観測データと部分観測データで予測する手法について検討した。
論文 参考訳(メタデータ) (2021-10-26T14:26:25Z) - Moment evolution equations and moment matching for stochastic image
EPDiff [68.97335984455059]
画像変形モデルにより、画像領域を変形させることにより、時間連続的な画像変換の研究が可能になる。
応用例としては、人口傾向とランダムな被写体特定変異の両方を用いた医療画像分析がある。
パラメータフルモデルにおける統計的推測のための推定器を構築するために、対応する伊藤拡散のモーメント近似を用いる。
論文 参考訳(メタデータ) (2021-10-07T11:08:11Z) - Variational Inference for Continuous-Time Switching Dynamical Systems [29.984955043675157]
従属拡散過程を変調したマルコフジャンプ過程に基づくモデルを提案する。
我々は,新しい連続時間変動推定アルゴリズムを開発した。
モデル仮定と実世界の実例に基づいて,我々のアルゴリズムを広範囲に評価する。
論文 参考訳(メタデータ) (2021-09-29T15:19:51Z)
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。