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
- A Contrastive Variational Graph Auto-Encoder for Node Clustering [10.52321770126932]
最先端のクラスタリング手法には多くの課題がある。
既存のVGAEは、推論と生成モデルの相違を考慮していない。
私たちのソリューションには、フィーチャーランダムネスとフィーチャードリフトのトレードオフを制御する2つのメカニズムがあります。
論文 参考訳（メタデータ） (2023-12-28T05:07:57Z) - Stable Differentiable Causal Discovery [2.0249250133493195]
我々は、因果関係を有向非巡回グラフ(DAG)として参照するための安定微分因果探索(SDCD)を提案する。
まず、SDCDを導出し、その安定性と正当性を証明し、その後、観察データと介入データと、小規模・大規模の両方で評価する。
SDCDは収束速度と精度の両方で既存の手法より優れており、数千の変数に拡張可能である。
論文 参考訳（メタデータ） (2023-11-17T01:14:24Z) - Latent SDEs on Homogeneous Spaces [9.361372513858043]
偏微分方程式(SDE)の解によって観測された幾何学的過程が支配される潜在変数モデルにおける変分ベイズ推論の問題を考察する。
実験により,提案型の潜伏SDEを既存の一段階のオイラー・丸山スキームを用いて効率的に学習できることが示されている。
論文 参考訳（メタデータ） (2023-06-28T14:18:52Z) - Building the Bridge of Schr\"odinger: A Continuous Entropic Optimal
Transport Benchmark [96.06787302688595]
提案手法は, 基本真理 OT 解が構成によって知られている確率分布のペアを作成する方法である。
これらのベンチマークペアを使用して、既存のニューラルネットワーク EOT/SB ソルバが実際に EOT ソリューションをどれだけよく計算しているかをテストする。
論文 参考訳（メタデータ） (2023-06-16T20:03:36Z) - Bridging Discrete and Backpropagation: Straight-Through and Beyond [62.46558842476455]
本稿では,離散潜在変数の生成に関わるパラメータの勾配を近似する新しい手法を提案する。
本稿では,Hunの手法とODEを解くための2次数値法を統合することで,2次精度を実現するReinMaxを提案する。
論文 参考訳（メタデータ） (2023-04-17T20:59:49Z) - Learning to Solve PDE-constrained Inverse Problems with Graph Networks [51.89325993156204]
科学と工学にまたがる多くの応用分野において、偏微分方程式(PDE)によって定義される制約で逆問題を解決することに興味がある。
ここでは、これらのPDE制約された逆問題を解決するために、GNNを探索する。
GNNを用いて計算速度を最大90倍に向上させる。
論文 参考訳（メタデータ） (2022-06-01T18:48:01Z) - On Applying the Lackadaisical Quantum Walk Algorithm to Search for
Multiple Solutions on Grids [63.75363908696257]
不足量子ウォーク(英: lackadaisical quantum walk)は、頂点が重量$l$の自己ループを持つグラフ構造を探索するために開発されたアルゴリズムである。
本稿では,グリッド上の複数解の探索に不連続な量子ウォークを適用した際の問題に対処する。
論文 参考訳（メタデータ） (2021-06-11T09:43:09Z) - Geometric Entropic Exploration [52.67987687712534]
離散領域と連続領域の両方における状態ビジットの幾何認識シャノンエントロピーを最大化する新しいアルゴリズムを導入する。
私たちの重要な理論的貢献は、単純で新しいノイズコントラストの客観的関数を最適化する牽引可能な問題としてジオメトリ認識MSVE探索を鋳造することです。
実験では,他の深部RL探査手法と比較して,疎度な報酬を伴う複数のRL問題の解法におけるGEMの効率性を示した。
論文 参考訳（メタデータ） (2021-01-06T14:15:07Z)
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。