Fugu-MT 論文翻訳(概要): Quaternion Backpropagation

論文の概要: Quaternion Backpropagation

arxiv url: http://arxiv.org/abs/2212.13082v1
Date: Mon, 26 Dec 2022 10:56:19 GMT
ステータス: 処理完了
システム内更新日: 2022-12-27 14:59:15.933180
Title: Quaternion Backpropagation
Title（参考訳）: 四元系バックプロパゲーション
Authors: Johannes P\"oppelbaum, Andreas Schwung
Abstract要約: 製品とチェーンルールは、四元数バックプロパゲーションを保たないことを示す。得られた四元数バックプロパゲーションの機能について実験的に検証した。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: Quaternion valued neural networks experienced rising popularity and interest from researchers in the last years, whereby the derivatives with respect to quaternions needed for optimization are calculated as the sum of the partial derivatives with respect to the real and imaginary parts. However, we can show that product- and chain-rule does not hold with this approach. We solve this by employing the GHRCalculus and derive quaternion backpropagation based on this. Furthermore, we experimentally prove the functionality of the derived quaternion backpropagation.
Abstract（参考訳）: 四元数重畳ニューラルネットワークは、過去数年間、研究者から人気と関心が高まり、最適化に必要な四元数に対する微分は、実部と虚部に関する偏微分の和として計算される。しかし、製品とチェーンルールがこのアプローチを保たないことを示すことはできる。我々は、ghr計算とそれに基づく四元系バックプロパゲーションを用いることにより、これを解決する。さらに, 四元系バックプロパゲーションの機能を実験的に証明した。

関連論文リスト

Improving Quaternion Neural Networks with Quaternionic Activation Functions [3.8750364147156247]
四元数等級や位相を変更できる新しい四元数活性化関数を提案する。提案した活性化関数は、勾配降下法で訓練された任意の四元数値ニューラルネットワークに組み込むことができる。
論文参考訳（メタデータ） (2024-06-24T09:36:58Z)
von Mises Quasi-Processes for Bayesian Circular Regression [57.88921637944379]
円値ランダム関数上の表現的および解釈可能な分布の族を探索する。結果の確率モデルは、統計物理学における連続スピンモデルと関係を持つ。後続推論のために、高速マルコフ連鎖モンテカルロサンプリングに寄与するストラトノビッチのような拡張を導入する。
論文参考訳（メタデータ） (2024-06-19T01:57:21Z)
Variance-Reducing Couplings for Random Features [57.73648780299374]
ランダム機能(RF)は、機械学習においてカーネルメソッドをスケールアップする一般的なテクニックである。ユークリッド空間と離散入力空間の両方で定義されるRFを改善するための結合を求める。パラダイムとしての分散還元の利点と限界について、驚くほどの結論に達した。
論文参考訳（メタデータ） (2024-05-26T12:25:09Z)
Promises and Pitfalls of the Linearized Laplace in Bayesian Optimization [73.80101701431103]
線形化ラプラス近似(LLA)はベイズニューラルネットワークの構築に有効で効率的であることが示されている。ベイズ最適化におけるLLAの有用性について検討し,その性能と柔軟性を強調した。
論文参考訳（メタデータ） (2023-04-17T14:23:43Z)
Learning Dynamical Systems via Koopman Operator Regression in Reproducing Kernel Hilbert Spaces [52.35063796758121]
動的システムの有限データ軌跡からクープマン作用素を学ぶためのフレームワークを定式化する。リスクとクープマン作用素のスペクトル分解の推定を関連付ける。以上の結果から,RRRは他の広く用いられている推定値よりも有益である可能性が示唆された。
論文参考訳（メタデータ） (2022-05-27T14:57:48Z)
Convergence bounds for nonlinear least squares and applications to tensor recovery [0.0]
我々は、L2$-ノルムの重み付きモンテカルロ推定のみを計算できる場合、一般非線形部分集合である$L2$の関数を近似する問題を考える。結果の批判的分析により、低ランクテンソルのモデル集合に対するサンプル効率の良いアルゴリズムを導出できる。
論文参考訳（メタデータ） (2021-08-11T14:14:02Z)
Leveraging Global Parameters for Flow-based Neural Posterior Estimation [90.21090932619695]
実験観測に基づくモデルのパラメータを推定することは、科学的方法の中心である。特に困難な設定は、モデルが強く不確定であるとき、すなわち、パラメータの異なるセットが同一の観測をもたらすときである。本稿では,グローバルパラメータを共有する観測の補助的セットによって伝達される付加情報を利用して,その不確定性を破る手法を提案する。
論文参考訳（メタデータ） (2021-02-12T12:23:13Z)
Equivalence of Convergence Rates of Posterior Distributions and Bayes Estimators for Functions and Nonparametric Functionals [4.375582647111708]
非パラメトリック回帰におけるガウス過程の先行したベイズ法の後部収縮率について検討する。カーネルの一般クラスに対しては、回帰関数とその微分の後方測度の収束率を確立する。我々の証明は、ある条件下では、ベイズ推定器の任意の収束率に対して、後部分布の同じ収束率に対応することを示す。
論文参考訳（メタデータ） (2020-11-27T19:11:56Z)
A Quaternion-Valued Variational Autoencoder [15.153617649974263]
可変オートエンコーダ(VAE)は、入力の潜在表現を学習することで、生成過程をモデル化する能力を証明している。四元数領域で定義された新しいVAEを提案し、四元数代数の特性を利用して性能を向上させる。
論文参考訳（メタデータ） (2020-10-22T12:33:42Z)
Analytically projected rotationally symmetric explicitly correlated Gaussian Functions with one-axis-shifted centers [0.0]
任意の角運動量とパリティを持つN粒子系の波動関数を拡張するための新しい関数形式が提示される。我々は、新しい定式化が、小さな原子や分子の性質の高精度な計算のための統一的な枠組みとしてどのように用いられるかを示す。
論文参考訳（メタデータ） (2020-04-30T20:38:09Z)
SLEIPNIR: Deterministic and Provably Accurate Feature Expansion for Gaussian Process Regression with Derivatives [86.01677297601624]
本稿では,2次フーリエ特徴に基づく導関数によるGP回帰のスケーリング手法を提案する。我々は、近似されたカーネルと近似された後部の両方に適用される決定論的、非漸近的、指数関数的に高速な崩壊誤差境界を証明した。
論文参考訳（メタデータ） (2020-03-05T14:33:20Z)

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。