論文の概要: QuadConv: Quadrature-Based Convolutions with Applications to Non-Uniform
PDE Data Compression
- arxiv url: http://arxiv.org/abs/2211.05151v3
- Date: Mon, 28 Aug 2023 14:38:11 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-30 01:25:23.265081
- Title: QuadConv: Quadrature-Based Convolutions with Applications to Non-Uniform
PDE Data Compression
- Title(参考訳): quadconv:quadrature-based convolutionsと非一様pdeデータ圧縮への応用
- Authors: Kevin Doherty, Cooper Simpson, Stephen Becker, Alireza Doostan
- Abstract要約: 私たちは、QuadConvと呼ばれるディープラーニングアーキテクチャのための新しい畳み込み層を提示します。
我々の演算子は、一様でないメッシュベースのデータに対して明示的に開発されている。
QuadConvは、一様グリッドデータ上での標準離散畳み込みの性能に適合することを示す。
- 参考スコア(独自算出の注目度): 6.488002704957669
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present a new convolution layer for deep learning architectures which we
call QuadConv -- an approximation to continuous convolution via quadrature. Our
operator is developed explicitly for use on non-uniform, mesh-based data, and
accomplishes this by learning a continuous kernel that can be sampled at
arbitrary locations. Moreover, the construction of our operator admits an
efficient implementation which we detail and construct. As an experimental
validation of our operator, we consider the task of compressing partial
differential equation (PDE) simulation data from fixed meshes. We show that
QuadConv can match the performance of standard discrete convolutions on uniform
grid data by comparing a QuadConv autoencoder (QCAE) to a standard
convolutional autoencoder (CAE). Further, we show that the QCAE can maintain
this accuracy even on non-uniform data. In both cases, QuadConv also
outperforms alternative unstructured convolution methods such as graph
convolution.
- Abstract(参考訳): 本稿では,我々がquadconvと呼ぶ深層学習アーキテクチャのための新しい畳み込み層を提案する。
私たちのオペレータは、一様でないメッシュベースのデータでの使用のために明示的に開発され、任意の場所でサンプリング可能な連続カーネルを学習することでこれを実現します。
さらに、演算子の構築は、我々が詳述し構成する効率的な実装を認めます。
演算子の実験的検証として、固定メッシュから偏微分方程式(PDE)シミュレーションデータを圧縮する作業を検討する。
本研究では,QuadConv オートエンコーダ (QCAE) を標準畳み込みオートエンコーダ (CAE) と比較することにより,一様グリッドデータ上での標準離散畳み込みの性能に適合できることを示す。
さらに,QCAEはこの精度を一様でないデータでも維持可能であることを示す。
どちらの場合も、QuadConvはグラフ畳み込みのような非構造的畳み込み法よりも優れている。
関連論文リスト
- AKConv: Convolutional Kernel with Arbitrary Sampled Shapes and Arbitrary
Number of Parameters [19.758227566271128]
Alterable Kernel Convolution (AKConv)が本研究で検討されている。
これは畳み込みカーネルに任意の数のパラメータと任意のサンプル形状を与え、ネットワークオーバーヘッドとパフォーマンスの間のトレードオフのためのよりリッチなオプションを提供する。
AKConvは、ネットワーク性能を改善するために畳み込み操作を置き換えるためのプラグアンドプレイ畳み込み操作として使用できる。
論文 参考訳(メタデータ) (2023-11-20T07:54:54Z) - Soft Convex Quantization: Revisiting Vector Quantization with Convex
Optimization [40.1651740183975]
ベクトル量子化(VQ)の直接代用として,ソフト凸量子化(SCQ)を提案する。
SCQは微分凸最適化(DCO)層のように機能する。
CIFAR-10, GTSRB, LSUNデータセット上での有効性を示す。
論文 参考訳(メタデータ) (2023-10-04T17:45:14Z) - Why Approximate Matrix Square Root Outperforms Accurate SVD in Global
Covariance Pooling? [59.820507600960745]
本稿では,前方通過のSVDと後方伝播のPad'e近似を用いて勾配を計算する新しいGCPメタ層を提案する。
提案するメタレイヤは,さまざまなCNNモデルに統合され,大規模および微細なデータセット上で最先端のパフォーマンスを実現する。
論文 参考訳(メタデータ) (2021-05-06T08:03:45Z) - CKConv: Continuous Kernel Convolution For Sequential Data [23.228639801282966]
継続的カーネル畳み込みネットワーク(CKCNN)は、一様でないサンプルデータセットと不規則にサンプリングされたデータを扱うように設計されている。
CKCNNは、これらの目的のために設計されたニューラルなODEよりも、はるかに高速で簡単な方法で適合または性能が向上する。
論文 参考訳(メタデータ) (2021-02-04T13:51:19Z) - 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) - Sparse Gaussian Processes with Spherical Harmonic Features [14.72311048788194]
領域間変分ガウス過程(GP)の新たなクラスを導入する。
我々の推論スキームは変分フーリエの特徴に匹敵するが、次元の呪いに苦しむことはない。
実験の結果,本モデルでは,600万項目のデータセットに対して,2桁の精度で回帰モデルを適合させることができることがわかった。
論文 参考訳(メタデータ) (2020-06-30T10:19:32Z) - DO-Conv: Depthwise Over-parameterized Convolutional Layer [66.46704754669169]
本稿では,各入力チャネルが異なる2次元カーネルに変換されるような,奥行きの畳み込みを付加した畳み込み層の拡張を提案する。
従来の畳み込み層をDO-Conv層に置き換えただけでCNNの性能が向上することを示す。
論文 参考訳(メタデータ) (2020-06-22T06:57:10Z) - Dynamic Region-Aware Convolution [85.20099799084026]
本稿では,複数のフィルタを対応する空間領域に自動的に割り当てる動的領域認識畳み込み(DRConv)を提案する。
ImageNet分類において、DRConvベースのShuffleNetV2-0.5xは6.3%の相対的な改善と46M乗算加算レベルで67.1%の最先端性能を達成する。
論文 参考訳(メタデータ) (2020-03-27T05:49:57Z) - XSepConv: Extremely Separated Convolution [60.90871656244126]
極めて分離された畳み込みブロック(XSepConv)を提案する。
空間的に分離可能な畳み込みを奥行きの畳み込みに融合させ、大きなカーネルの計算コストとパラメータサイズの両方を削減する。
XSepConvは、大規模なカーネルサイズを持つバニラ奥行きの畳み込みの効率的な代替として設計されている。
論文 参考訳(メタデータ) (2020-02-27T11:46:17Z) - Quaternion Equivariant Capsule Networks for 3D Point Clouds [58.566467950463306]
本稿では,3次元回転と翻訳に同値な点雲を処理するための3次元カプセルモジュールを提案する。
カプセル間の動的ルーティングをよく知られたWeiszfeldアルゴリズムに接続する。
オペレーターに基づいて、ポーズから幾何学をアンタングルするカプセルネットワークを構築します。
論文 参考訳(メタデータ) (2019-12-27T13:51:17Z)
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。