論文の概要: Autoinverse: Uncertainty Aware Inversion of Neural Networks

• arxiv url: http://arxiv.org/abs/2208.13780v1
• Date: Mon, 29 Aug 2022 12:09:32 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-31 12:32:37.451338
• Title: Autoinverse: Uncertainty Aware Inversion of Neural Networks
• Title（参考訳）: 自己逆: ニューラルネットワークの不確実性認識の反転
• Authors: Navid Ansari, Hans-Peter Seidel, Nima Vahidi Ferdowsi, Vahid Babaei
• Abstract要約: 我々は、ニューラルネットワークサロゲートを反転させる高度に自動化されたアプローチであるAutoinverseを提案する。 我々の主な洞察は、フォワードプロセスでサンプリングされた信頼性のあるデータの近くで逆解を求めることである。 提案手法は,制御,製造,設計における実世界の問題に対処することで検証する。
• 参考スコア（独自算出の注目度）: 22.759930986110625
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Neural networks are powerful surrogates for numerous forward processes. The inversion of such surrogates is extremely valuable in science and engineering. The most important property of a successful neural inverse method is the performance of its solutions when deployed in the real world, i.e., on the native forward process (and not only the learned surrogate). We propose Autoinverse, a highly automated approach for inverting neural network surrogates. Our main insight is to seek inverse solutions in the vicinity of reliable data which have been sampled form the forward process and used for training the surrogate model. Autoinverse finds such solutions by taking into account the predictive uncertainty of the surrogate and minimizing it during the inversion. Apart from high accuracy, Autoinverse enforces the feasibility of solutions, comes with embedded regularization, and is initialization free. We verify our proposed method through addressing a set of real-world problems in control, fabrication, and design.
• Abstract（参考訳）: ニューラルネットワークは多くのフォワードプロセスの強力なサロゲートである。 このようなサロゲートの反転は、科学や工学において極めて有用である。 成功したニューラル・インバース・メソッドの最も重要な特性は、現実世界、すなわち(学習したサーロゲートだけでなく)ネイティブなフォワードプロセスにデプロイされた時のソリューションのパフォーマンスである。 我々は、ニューラルネットワークサロゲートを反転させる高度に自動化されたアプローチであるAutoinverseを提案する。 我々の主な洞察は、フォワードプロセスでサンプリングされ、サロゲートモデルのトレーニングに使用される信頼できるデータ近傍での逆解を求めることである。 オートインバースは、サロゲートの予測的不確実性を考慮し、反転中を最小化することでそのような解を見つける。 精度は別として、Autoinverseはソリューションの実現性を強制し、組み込みの正規化を持ち、初期化は無料である。 提案手法は, 制御, 製造, 設計における実世界の問題に対処し, 検証を行う。

関連論文リスト

• End-to-End Meta-Bayesian Optimisation with Transformer Neural Processes [52.818579746354665]
  本稿では,ニューラルネットワークを一般化し,トランスフォーマーアーキテクチャを用いて獲得関数を学習する,エンド・ツー・エンドの差別化可能な最初のメタBOフレームワークを提案する。 我々は、この強化学習(RL)によるエンドツーエンドのフレームワークを、ラベル付き取得データの欠如に対処できるようにします。
  論文  参考訳（メタデータ） (2023-05-25T10:58:46Z)
• Enhancing Inverse Problem Solutions with Accurate Surrogate Simulators and Promising Candidates [0.7499722271664147]
  スパロゲートシミュレータの精度がニューラルアジョイント法(NA)の解に及ぼす影響はいまだ不明である。 我々は,十分な数の解候補を効率的に最適化できるニューラルラグランジアン法(NeuLag)と呼ばれるNA法の拡張を開発する。
  論文  参考訳（メタデータ） (2023-04-26T23:05:57Z)
• Accelerating Inverse Learning via Intelligent Localization with Exploratory Sampling [1.5976506570992293]
  逆問題の解決は 物質と薬物発見の 長年の課題です 近年,逆問題の解法として深部生成モデルが提案されている。 逆学習を高速化する新しい手法(iPage)を提案する。
  論文  参考訳（メタデータ） (2022-12-02T08:00:04Z)
• Deep Preconditioners and their application to seismic wavefield processing [0.0]
  スペーサリティプロモーティング・インバージョンと固定基底スペーサ変換は、多くの処理タスクに対するゴート・アプローチを表している。 本稿では,入力された地震データと代表潜在多様体との直接マッピングを学習するために,オートエンコーダネットワークを訓練することを提案する。 トレーニングされたデコーダはその後、物理駆動逆問題に対する非線形プレコンディショナーとして使用される。
  論文  参考訳（メタデータ） (2022-07-20T14:25:32Z)
• Adversarial Pixel Restoration as a Pretext Task for Transferable Perturbations [54.1807206010136]
  トランスファー可能な敵攻撃は、事前訓練された代理モデルと既知のラベル空間から敵を最適化し、未知のブラックボックスモデルを騙す。 本稿では,効果的なサロゲートモデルをスクラッチからトレーニングするための自己教師型代替手段として,Adversarial Pixel Restorationを提案する。 我々のトレーニングアプローチは、敵の目標を通したオーバーフィッティングを減らすmin-maxの目標に基づいています。
  論文  参考訳（メタデータ） (2022-07-18T17:59:58Z)
• Towards Explainable Metaheuristic: Mining Surrogate Fitness Models for Importance of Variables [69.02115180674885]
  4つのベンチマーク問題を用いて代理モデルを訓練し、代理モデルによる探索空間の学習について検討する。 代々の人口データに基づいて学習した結果,サロゲートモデルが問題の鍵となる特徴を抽出できることが示唆された。
  論文  参考訳（メタデータ） (2022-05-31T09:16:18Z)
• Verifying Inverse Model Neural Networks [39.4062479625023]
  逆問題は、航空宇宙工学から医用画像まで、様々な物理的領域に存在している。 本稿では,逆モデルニューラルネットワークの正当性を検証する手法を提案する。
  論文  参考訳（メタデータ） (2022-02-04T23:13:22Z)
• Robust lEarned Shrinkage-Thresholding (REST): Robust unrolling for sparse recover [87.28082715343896]
  我々は、モデルミス特定を前進させるのに堅牢な逆問題を解決するためのディープニューラルネットワークについて検討する。 我々は,アルゴリズムの展開手法を根底にある回復問題のロバストバージョンに適用することにより,新しい堅牢なディープニューラルネットワークアーキテクチャを設計する。 提案したRESTネットワークは,圧縮センシングとレーダイメージングの両問題において,最先端のモデルベースおよびデータ駆動アルゴリズムを上回る性能を示す。
  論文  参考訳（メタデータ） (2021-10-20T06:15:45Z)
• Offline Model-Based Optimization via Normalized Maximum Likelihood Estimation [101.22379613810881]
  データ駆動最適化の問題を検討し、一定の点セットでクエリのみを与えられた関数を最大化する必要がある。 この問題は、関数評価が複雑で高価なプロセスである多くの領域に現れる。 我々は,提案手法を高容量ニューラルネットワークモデルに拡張可能なトラクタブル近似を提案する。
  論文  参考訳（メタデータ） (2021-02-16T06:04:27Z)
• Deep Feedback Inverse Problem Solver [141.26041463617963]
  逆問題に対する効率的で効果的で汎用的なアプローチを提案する。 我々は、フォワードプロセスが提供するフィードバック信号を活用し、反復的な更新モデルを学ぶ。 私たちのアプローチは前もってのプロセスに制限がなく、事前の知識も必要ありません。
  論文  参考訳（メタデータ） (2021-01-19T16:49:06Z)

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。