論文の概要: Fast Approximation of the Generalized Sliced-Wasserstein Distance
- arxiv url: http://arxiv.org/abs/2210.10268v1
- Date: Wed, 19 Oct 2022 03:15:50 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-20 13:16:20.667284
- Title: Fast Approximation of the Generalized Sliced-Wasserstein Distance
- Title(参考訳): 一般化スライス-ワッサーシュタイン距離の高速近似
- Authors: Dung Le, Huy Nguyen, Khai Nguyen, Trang Nguyen, Nhat Ho
- Abstract要約: 一般化されたスライスされたワッサーシュタイン距離はスライスされたワッサーシュタイン距離の変種である。
一般化されたスライスされたワッサーシュタイン距離の決定論的かつ高速な近似を定式化することを提案する。
- 参考スコア(独自算出の注目度): 13.840237470871406
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Generalized sliced Wasserstein distance is a variant of sliced Wasserstein
distance that exploits the power of non-linear projection through a given
defining function to better capture the complex structures of the probability
distributions. Similar to sliced Wasserstein distance, generalized sliced
Wasserstein is defined as an expectation over random projections which can be
approximated by the Monte Carlo method. However, the complexity of that
approximation can be expensive in high-dimensional settings. To that end, we
propose to form deterministic and fast approximations of the generalized sliced
Wasserstein distance by using the concentration of random projections when the
defining functions are polynomial function, circular function, and neural
network type function. Our approximations hinge upon an important result that
one-dimensional projections of a high-dimensional random vector are
approximately Gaussian.
- Abstract(参考訳): 一般化されたスライスされたワッサーシュタイン距離はスライスされたワッサーシュタイン距離の変種であり、与えられた定義関数を通して非線形射影のパワーを利用して確率分布の複素構造をよりよく捉える。
スライスされたワッサーシュタイン距離と同様に、一般化されたワッサーシュタインはモンテカルロ法で近似できるランダム射影に対する期待として定義される。
しかし、この近似の複雑さは高次元の設定では高価である。
そこで我々は,定義関数が多項式関数,円関数,ニューラルネットワーク型関数である場合のランダム投影の濃度を用いて,一般化されたワッサーシュタイン距離の決定論的かつ高速な近似を生成することを提案する。
我々の近似は、高次元ランダムベクトルの1次元射影がおよそガウス的であるという重要な結果にかかっている。
関連論文リスト
- Sliced Wasserstein with Random-Path Projecting Directions [49.802024788196434]
本稿では,モンテカルロ予想推定のための高速サンプリングを行う最適化自由スライシング分布を提案する。
我々はランダムパススライシング分布(RPSD)とスライスされたワッサースタインの2つの変種、すなわちランダムパススライシングワッサースタイン(RPSW)とIWRPSW(Importance Weighted Random-Path Projection Sliced Wasserstein)を導出する。
論文 参考訳(メタデータ) (2024-01-29T04:59:30Z) - Linearized Wasserstein dimensionality reduction with approximation
guarantees [65.16758672591365]
LOT Wassmap は、ワーッサーシュタイン空間の低次元構造を明らかにするための計算可能なアルゴリズムである。
我々は,LOT Wassmapが正しい埋め込みを実現し,サンプルサイズの増加とともに品質が向上することを示す。
また、LOT Wassmapがペア距離計算に依存するアルゴリズムと比較して計算コストを大幅に削減することを示す。
論文 参考訳(メタデータ) (2023-02-14T22:12:16Z) - Statistical, Robustness, and Computational Guarantees for Sliced
Wasserstein Distances [18.9717974398864]
スライスされたワッサーシュタイン距離は古典的なワッサーシュタイン距離の性質を保ちながら、高次元での計算と推定によりスケーラブルである。
このスケーラビリティを, (i) 経験的収束率, (ii) データの汚染に対する堅牢性, (iii) 効率的な計算方法という3つの重要な側面から定量化する。
論文 参考訳(メタデータ) (2022-10-17T15:04:51Z) - Understanding Entropic Regularization in GANs [5.448283690603358]
We study the influence of regularization on the learned solution of Wasserstein distance。
エントロピー正則化は解のスパース化を促進するが、ワッサーシュタイン距離をシンクホルン発散に置き換えると、非正規化解が回復する。
これらの正則化手法は,大規模な分布に対して経験的データから学習したジェネレータの品質を向上させることができると結論付けている。
論文 参考訳(メタデータ) (2021-11-02T06:08:16Z) - Fast Approximation of the Sliced-Wasserstein Distance Using
Concentration of Random Projections [19.987683989865708]
Sliced-Wasserstein distance (SW) は、機械学習アプリケーションでますます使われている。
本稿では,測度現象の集中を利用してSWを近似する新しい視点を提案する。
提案手法は多数のランダムなプロジェクションをサンプリングする必要はなく,通常のモンテカルロ近似と比較して正確かつ容易に利用できる。
論文 参考訳(メタデータ) (2021-06-29T13:56:19Z) - Non-asymptotic convergence bounds for Wasserstein approximation using
point clouds [0.0]
モデル確率分布からサンプルしたような離散データを生成する方法を示す。
収束型アルゴリズムに対して明示的な上限を与える。
論文 参考訳(メタデータ) (2021-06-15T06:53:08Z) - Depth-based pseudo-metrics between probability distributions [1.1470070927586016]
本研究では,データ深度に基づく連続確率測度と関連する中央領域の2つの疑似測度を提案する。
Wasserstein距離とは対照的に、提案された疑似メトリックは次元の呪いに苦しむことはない。
地域ベースの擬似メトリックは堅牢なw.r.tである。
両端と尾が重い。
論文 参考訳(メタデータ) (2021-03-23T17:33:18Z) - Variational Transport: A Convergent Particle-BasedAlgorithm for Distributional Optimization [106.70006655990176]
分散最適化問題は機械学習や統計学で広く発生する。
本稿では,変分輸送と呼ばれる粒子に基づく新しいアルゴリズムを提案する。
目的関数がpolyak-Lojasiewicz (PL) (Polyak, 1963) の機能バージョンと滑らかな条件を満たすとき、変分輸送は線形に収束することを示す。
論文 参考訳(メタデータ) (2020-12-21T18:33:13Z) - Augmented Sliced Wasserstein Distances [55.028065567756066]
拡張スライスされたワッサーシュタイン距離(ASWD)と呼ばれる新しい距離測定法を提案する。
ASWDは、ニューラルネットワークによってパラメータ化された高次元超曲面への最初のマッピングサンプルによって構成される。
数値的な結果から、ASWDは、合成問題と実世界の問題の両方において、他のワッサーシュタイン変種を著しく上回っていることが示されている。
論文 参考訳(メタデータ) (2020-06-15T23:00:08Z) - Projection Robust Wasserstein Distance and Riemannian Optimization [107.93250306339694]
プロジェクション・ソリッドスタイン(PRW)は、ワッサーシュタイン・プロジェクション(WPP)のロバストな変種であることを示す。
本稿では,PRW距離の計算への第一歩として,その理論と実データに関する実験の関連について述べる。
論文 参考訳(メタデータ) (2020-06-12T20:40:22Z) - Stochastic Saddle-Point Optimization for Wasserstein Barycenters [69.68068088508505]
オンラインデータストリームによって生成される有限個の点からなるランダムな確率測度に対する人口推定バリセンタ問題を考察する。
本稿では,この問題の構造を用いて,凸凹型サドル点再構成を行う。
ランダム確率測度の分布が離散的な場合、最適化アルゴリズムを提案し、その複雑性を推定する。
論文 参考訳(メタデータ) (2020-06-11T19:40:38Z)
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。