論文の概要: Product Jacobi-Theta Boltzmann machines with score matching
- arxiv url: http://arxiv.org/abs/2303.05910v2
- Date: Fri, 12 Jan 2024 07:18:25 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-15 21:54:53.996179
- Title: Product Jacobi-Theta Boltzmann machines with score matching
- Title(参考訳): スコアマッチング機能を有する製品jacobi-theta boltzmann
- Authors: Andrea Pasquale, Daniel Krefl, Stefano Carrazza and Frank Nielsen
- Abstract要約: Jacobi-Theta Boltzmann Machine (pJTBM) はBoltzmann Machine (RTBM) の制限バージョンとして導入された。
Fisher の発散に基づくスコアマッチングにより,pJTBM の確率密度を元の RTBM よりも効率的に適合させることができることを示す。
- 参考スコア(独自算出の注目度): 6.349503549199403
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The estimation of probability density functions is a non trivial task that
over the last years has been tackled with machine learning techniques.
Successful applications can be obtained using models inspired by the Boltzmann
machine (BM) architecture. In this manuscript, the product Jacobi-Theta
Boltzmann machine (pJTBM) is introduced as a restricted version of the
Riemann-Theta Boltzmann machine (RTBM) with diagonal hidden sector connection
matrix. We show that score matching, based on the Fisher divergence, can be
used to fit probability densities with the pJTBM more efficiently than with the
original RTBM.
- Abstract(参考訳): 確率密度関数の推定は、ここ数年機械学習技術で取り組まれてきた非自明なタスクである。
成功したアプリケーションはボルツマンマシン(BM)アーキテクチャにインスパイアされたモデルで得ることができる。
この写本では、製品Jacobi-Theta Boltzmann Machine (pJTBM) が、対角的な隠れセクター接続行列を持つリーマン-Theta Boltzmann Machine (RTBM) の限定版として導入された。
Fisher の発散に基づくスコアマッチングにより,pJTBM の確率密度を元の RTBM よりも効率的に適合させることができることを示す。
関連論文リスト
- Universal representation by Boltzmann machines with Regularised Axons [34.337412054122076]
正規化されたボルツマンマシンは任意の分布を表現できることを示す。
また、正規化されたボルツマンマシンは、任意の相関した多くの可視パターンを完全検索で指数関数的に保存できることを示す。
論文 参考訳(メタデータ) (2023-10-22T20:05:47Z) - Monotone deep Boltzmann machines [86.50247625239406]
ディープボルツマンマシン(Deep Boltzmann Machine、DBM)は、双対エネルギー関数によって制御される多層確率モデルである。
我々は,各層で任意の自己接続が可能な新しい制限モデルであるモノトンDBMを開発した。
アクティベーションの特定の選択が、変動平均場解を与える固定点反復をもたらすことを示す。
論文 参考訳(メタデータ) (2023-07-11T03:02:44Z) - Adaptive Log-Euclidean Metrics for SPD Matrix Learning [73.12655932115881]
広く使われているログユークリッド計量(LEM)を拡張した適応ログユークリッド計量(ALEM)を提案する。
実験および理論的結果から,SPDニューラルネットワークの性能向上における提案手法の有効性が示された。
論文 参考訳(メタデータ) (2023-03-26T18:31:52Z) - Training Deep Boltzmann Networks with Sparse Ising Machines [5.048818298702389]
深層生成AIモデルをトレーニングすることにより,確率ビット(pビット)ベースのIsingマシンのための新しいアプリケーションドメインを示す。
スパース、非同期、および非常に並列なIsingマシンを使用して、ハイブリッド確率-古典計算設定でディープボルツマンネットワークを訓練する。
論文 参考訳(メタデータ) (2023-03-19T18:10:15Z) - Taming Sparsely Activated Transformer with Stochastic Experts [76.0711573018493]
わずかに活性化されたモデル(SAM)は、計算コストを大幅に増加させることなく、非常に大量のパラメータを持つように容易にスケールすることができる。
本稿では,新しいエキスパートベースモデルTHOR(Transformer witH StOchastic ExpeRts)を提案する。
Switch Transformerのような古典的なエキスパートベースのモデルとは異なり、THORの専門家はトレーニングと推論の間、各入力に対してランダムにアクティベートされる。
論文 参考訳(メタデータ) (2021-10-08T17:15:47Z) - Boltzmann machines as two-dimensional tensor networks [7.041258064903578]
RBMとDBMは正確に2次元テンソルネットワークとして表現できることを示す。
この表現は、RBMとDBMの表現力の理解を与える。
また、RBMとDBMの計算分割関数に対する効率的なテンソルネットワーク収縮アルゴリズムも提供する。
論文 参考訳(メタデータ) (2021-05-10T06:14:49Z) - Defence against adversarial attacks using classical and quantum-enhanced
Boltzmann machines [64.62510681492994]
生成モデルはデータセットの基盤となる分布を学習し、それらは本質的に小さな摂動に対してより堅牢である。
MNISTデータセット上のBoltzmannマシンによる攻撃に対して、5%から72%の改良が見られる。
論文 参考訳(メタデータ) (2020-12-21T19:00:03Z) - Boltzmann machine learning with a variational quantum algorithm [0.0]
ボルツマンマシンは、トレーニングデータを管理する確率分布をモデル化するための強力なツールである。
本稿では,ノイズ中間スケール量子(NISQ)デバイスを用いてボルツマン機械学習を実現する手法を提案する。
論文 参考訳(メタデータ) (2020-07-02T04:45:02Z) - Generative Semantic Hashing Enhanced via Boltzmann Machines [61.688380278649056]
既存の生成ハッシュ法は、主に後部分布の分解形式を仮定する。
本稿では,ボルツマンマシンの分布を検索後部として利用することを提案する。
ハッシュコード内の異なるビット間の相関関係を効果的にモデル化することにより、我々のモデルは大幅な性能向上を達成できることを示す。
論文 参考訳(メタデータ) (2020-06-16T01:23:39Z) - Exact representations of many body interactions with RBM neural networks [77.34726150561087]
我々は、RBMの表現力を利用して、多体接触相互作用を1体演算子に正確に分解する。
この構成は、ハバードモデルでよく知られたヒルシュの変換を、核物理学におけるピオンレスFTのようなより複雑な理論に一般化する。
論文 参考訳(メタデータ) (2020-05-07T15:59:29Z)
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。