論文の概要: Neural Gromov-Wasserstein Optimal Transport
- arxiv url: http://arxiv.org/abs/2303.05978v1
- Date: Fri, 10 Mar 2023 15:21:12 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-13 14:33:47.109147
- Title: Neural Gromov-Wasserstein Optimal Transport
- Title(参考訳): 神経グロモフ-wasserstein最適輸送
- Authors: Maksim Nekrashevich, Alexander Korotin, Evgeny Burnaev
- Abstract要約: 本稿では,Gromov-Wasserstein (GW) Optimal Transport (OT) 問題を内部積コストで解くためのスケーラブルなニューラルネットワーク手法を提案する。
提案手法では,ニューラルネットワークとミニバッチ最適化を用いて,既存の手法の限界を克服する。
- 参考スコア(独自算出の注目度): 82.05269165407427
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present a scalable neural method to solve the Gromov-Wasserstein (GW)
Optimal Transport (OT) problem with the inner product cost. In this problem,
given two distributions supported on (possibly different) spaces, one has to
find the most isometric map between them. Our proposed approach uses neural
networks and stochastic mini-batch optimization which allows to overcome the
limitations of existing GW methods such as their poor scalability with the
number of samples and the lack of out-of-sample estimation. To demonstrate the
effectiveness of our proposed method, we conduct experiments on the synthetic
data and explore the practical applicability of our method to the popular task
of the unsupervised alignment of word embeddings.
- Abstract(参考訳): 本稿では,Gromov-Wasserstein (GW) Optimal Transport (OT) 問題を内部積コストで解くためのスケーラブルなニューラルネットワーク手法を提案する。
この問題において、2つの分布が(おそらく異なる)空間で支持されているとき、それらの間の最も等距離写像を見つける必要がある。
提案手法では,ニューラルネットワークと確率的ミニバッチ最適化を用いて,サンプル数によるスケーラビリティの低下やサンプル外推定の欠如など,既存のGW手法の限界を克服する。
提案手法の有効性を実証するため, 合成データを用いて実験を行い, 単語埋め込みの教師なしアライメントの一般的な課題に対する本手法の適用性について検討する。
関連論文リスト
- Estimating Barycenters of Distributions with Neural Optimal Transport [96.79562439021494]
本稿では,Wasserstein Barycenter問題を解くための新しいスケーラブルなアプローチを提案する。
我々の手法は最近のNeural OTソルバをベースとしている。
また,提案手法の理論的誤差境界も確立する。
論文 参考訳(メタデータ) (2024-02-06T09:17:07Z) - Efficient Neural Network Approaches for Conditional Optimal Transport
with Applications in Bayesian Inference [1.866895151196396]
静的および動的条件付き最適輸送(COT)問題の解を近似する2つのニューラルネットワーク手法を提案する。
提案手法は,対象条件分布をトラクタブルな参照分布の変換として表現する。
PCP-Mapは、部分的に入力された凸ニューラルネットワーク(PICNN)の勾配として条件付きトランスポートマップをモデル化し、計算効率を向上させるために新しい数値実装を使用する。
COT-Flowは、正規化されたニューラルODEの流れを介して条件付き輸送をモデル化する。
論文 参考訳(メタデータ) (2023-10-25T20:20:09Z) - Implicit Variational Inference for High-Dimensional Posteriors [7.924706533725115]
変分推論において、ベイズモデルの利点は、真の後続分布を正確に捉えることに依存する。
複雑な多重モーダルおよび相関後部を近似するのに適した暗黙分布を特定するニューラルサンプリング手法を提案する。
提案手法では,ニューラルネットワークを局所的に線形化することにより,暗黙分布を用いた近似推論の新たなバウンダリを導入する。
論文 参考訳(メタデータ) (2023-10-10T14:06:56Z) - Optimizing Solution-Samplers for Combinatorial Problems: The Landscape
of Policy-Gradient Methods [52.0617030129699]
本稿では,DeepMatching NetworksとReinforcement Learningメソッドの有効性を解析するための新しい理論フレームワークを提案する。
我々の主な貢献は、Max- and Min-Cut、Max-$k$-Bipartite-Bi、Maximum-Weight-Bipartite-Bi、Traveing Salesman Problemを含む幅広い問題である。
本分析の副産物として,バニラ降下による新たな正則化プロセスを導入し,失効する段階的な問題に対処し,悪い静止点から逃れる上で有効であることを示す理論的および実験的証拠を提供する。
論文 参考訳(メタデータ) (2023-10-08T23:39:38Z) - Multistage Stochastic Optimization via Kernels [3.7565501074323224]
我々は,多段階最適化問題に対する非パラメトリック,データ駆動,トラクタブルアプローチを開発した。
本稿では,提案手法が最適に近い平均性能で決定ルールを生成することを示す。
論文 参考訳(メタデータ) (2023-03-11T23:19:32Z) - A Neural Network Warm-Start Approach for the Inverse Acoustic Obstacle
Scattering Problem [7.624866197576227]
本稿では,逆散乱問題の解法として,ニューラルネットワークのウォームスタート手法を提案する。
トレーニングされたニューラルネットワークを用いて最適化問題の初期推定を求める。
このアルゴリズムは散乱場の測定においてノイズに対して頑健であり、また限られた開口データに対して真の解に収束する。
論文 参考訳(メタデータ) (2022-12-16T22:18:48Z) - Entropic Neural Optimal Transport via Diffusion Processes [105.34822201378763]
本稿では,連続確率分布間のエントロピー最適輸送(EOT)計画を計算するための新しいアルゴリズムを提案する。
提案アルゴリズムは,シュリンガーブリッジ問題(Schr"odinger Bridge problem)として知られるEOTの動的バージョンのサドル点再構成に基づく。
大規模EOTの従来の手法とは対照的に,我々のアルゴリズムはエンドツーエンドであり,単一の学習ステップで構成されている。
論文 参考訳(メタデータ) (2022-11-02T14:35:13Z) - Continuous Wasserstein-2 Barycenter Estimation without Minimax
Optimization [94.18714844247766]
ワッサーシュタイン・バリセンターは、最適輸送に基づく確率測度の重み付き平均の幾何学的概念を提供する。
本稿では,Wasserstein-2 バリセンタのサンプルアクセスを演算するスケーラブルなアルゴリズムを提案する。
論文 参考訳(メタデータ) (2021-02-02T21:01:13Z) - Effective Version Space Reduction for Convolutional Neural Networks [61.84773892603885]
アクティブラーニングでは、サンプリングバイアスは深刻な矛盾問題を引き起こし、アルゴリズムが最適な仮説を見つけるのを妨げる可能性がある。
本稿では,畳み込みニューラルネットワークを用いた能動学習について,バージョン空間削減の原理的レンズを用いて検討する。
論文 参考訳(メタデータ) (2020-06-22T17:40:03Z)
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。