論文の概要: Data Mining for Faster, Interpretable Solutions to Inverse Problems: A
Case Study Using Additive Manufacturing
- arxiv url: http://arxiv.org/abs/2306.04228v1
- Date: Wed, 7 Jun 2023 08:06:50 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-08 15:37:50.611142
- Title: Data Mining for Faster, Interpretable Solutions to Inverse Problems: A
Case Study Using Additive Manufacturing
- Title（参考訳）: 逆問題に対する高速かつ解釈可能な解のためのデータマイニング--添加物を用いた事例研究
- Authors: Chandrika Kamath, Juliette Franzman, Ravi Ponmalai
- Abstract要約: テーパリングのアイデアに簡単な修正を加えることで,予測精度を損なうことなくサロゲートを著しく高速化できることを示す。
また,高次元入力空間における逆問題に対する解の可視化と解釈に,コホーネン自己組織化写像を用いることを示した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Solving inverse problems, where we find the input values that result in
desired values of outputs, can be challenging. The solution process is often
computationally expensive and it can be difficult to interpret the solution in
high-dimensional input spaces. In this paper, we use a problem from additive
manufacturing to address these two issues with the intent of making it easier
to solve inverse problems and exploit their results. First, focusing on
Gaussian process surrogates that are used to solve inverse problems, we
describe how a simple modification to the idea of tapering can substantially
speed up the surrogate without losing accuracy in prediction. Second, we
demonstrate that Kohonen self-organizing maps can be used to visualize and
interpret the solution to the inverse problem in the high-dimensional input
space. For our data set, as not all input dimensions are equally important, we
show that using weighted distances results in a better organized map that makes
the relationships among the inputs obvious.
- Abstract（参考訳）: 出力の所望の値をもたらす入力値を見つける逆問題を解くことは困難である。
解法はしばしば計算コストが高く、高次元の入力空間で解を解釈することは困難である。
本稿では, この2つの課題に対して, 逆問題を容易に解き, 結果の活用を意図して, 添加物製造による問題を用いて解決する。
まず,逆問題を解くために用いられるガウス過程サーロゲートに着目し,テーパリングの考え方をシンプルに修正することで,予測精度を損なうことなくサーロゲートを大幅に高速化できることを示す。
第2に,高次元入力空間における逆問題に対する解を可視化し,解釈するために,コホーネン自己組織化マップを使用できることを示す。
我々のデータセットでは、全ての入力次元が等しく重要であるわけではないので、重み付けされた距離を使用することで、入力間の関係が明確になるより良い整理されたマップが得られることを示す。
関連論文リスト
- A Guide to Stochastic Optimisation for Large-Scale Inverse Problems [4.926711494319977]
最適化アルゴリズムは、大量のデータを持つ機械学習のデファクトスタンダードです。
我々は、逆問題の観点から、最適化における最先端の総合的な説明を提供する。
私たちは、機械学習で一般的に遭遇しない、ユニークな最適化の課題に焦点を合わせています。
論文 参考訳（メタデータ） (2024-06-10T15:02:30Z) - Flow Priors for Linear Inverse Problems via Iterative Corrupted Trajectory Matching [35.77769905072651]
本稿では,MAP推定器を効率的に近似する反復アルゴリズムを提案し,様々な線形逆問題の解法を提案する。
本アルゴリズムは,MAPの目的を局所MAP'の目的の和で近似できるという観測によって数学的に正当化される。
我々は,超解法,デブロアリング,インペイント,圧縮センシングなど,様々な線形逆問題に対するアプローチを検証する。
論文 参考訳（メタデータ） (2024-05-29T06:56:12Z) - Paired Autoencoders for Inverse Problems [3.355436702348694]
前方問題は偏微分方程式の離散化である非線形逆問題の解を考える。
典型的なアルゴリズムの主な計算ボトルネックは、データ不適合性の直接推定である。
逆問題に対する確率自由度推定器として,ペアオートエンコーダフレームワークを用いる。
論文 参考訳（メタデータ） (2024-05-21T22:00:34Z) - A Mutual Information Maximization Approach for the Spurious Solution
Problem in Weakly Supervised Question Answering [60.768146126094955]
弱々しい教師付き質問応答は通常、最終的な答えのみを監督信号として持つ。
偶然に正解を導出する刺激的な解が多数存在するかもしれないが、そのような解の訓練はモデルの性能を損なう可能性がある。
本稿では,質問応答対と予測解間の相互情報の最大化により,このような意味的相関を明示的に活用することを提案する。
論文 参考訳（メタデータ） (2021-06-14T05:47:41Z) - Offline Model-Based Optimization via Normalized Maximum Likelihood
Estimation [101.22379613810881]
データ駆動最適化の問題を検討し、一定の点セットでクエリのみを与えられた関数を最大化する必要がある。
この問題は、関数評価が複雑で高価なプロセスである多くの領域に現れる。
我々は,提案手法を高容量ニューラルネットワークモデルに拡張可能なトラクタブル近似を提案する。
論文 参考訳（メタデータ） (2021-02-16T06:04:27Z) - Boosting Data Reduction for the Maximum Weight Independent Set Problem
Using Increasing Transformations [59.84561168501493]
最大重み独立集合問題に対する新しい一般化データ削減および変換規則を導入する。
驚くべきことに、これらのいわゆる増進変換は問題を単純化し、還元空間を開き、アルゴリズムの後にさらに小さな既約グラフが得られる。
提案アルゴリズムは, 1つのインスタンスを除くすべての既約グラフを計算し, 従来よりも多くのインスタンスを最適に解き, 最高の最先端解法よりも最大2桁高速に解き, 解法DynWVCやHILSよりも高品質な解を求める。
論文 参考訳（メタデータ） (2020-08-12T08:52:50Z) - The Variational Bandwidth Bottleneck: Stochastic Evaluation on an
Information Budget [164.65771897804404]
多くのアプリケーションにおいて、複雑な入力データから関連する情報のみを抽出することが望ましい。
情報ボトルネック法は、これを情報理論最適化問題として定式化する。
本稿では,特権情報の推定値について,各例について決定する帯域幅のばらつきボトルネックを提案する。
論文 参考訳（メタデータ） (2020-04-24T18:29:31Z) - Inverse Problems, Deep Learning, and Symmetry Breaking [6.54545059421233]
多くの物理系では、固有系対称性による入力は同じ出力にマッピングされる。
トレーニングデータに対する注意的対称性の破れは,その難しさを解消し,学習性能を著しく向上させることを示す。
論文 参考訳（メタデータ） (2020-03-20T02:43:57Z) - Exchangeable Input Representations for Reinforcement Learning [48.696389129611056]
本研究は、ニューラルネットワーク入力を効率的な表現空間に投影するための注意に基づく手法を提案する。
提案した表現は、$m$オブジェクトの入力に対して$m!$の要素である入力空間が得られることを示す。
論文 参考訳（メタデータ） (2020-03-19T21:18:55Z) - Model Inversion Networks for Model-Based Optimization [110.24531801773392]
スコアから入力への逆写像を学習するモデル反転ネットワーク(MIN)を提案する。
MINは高次元の入力空間にスケールでき、コンテキスト最適化と非コンテキスト最適化の両方にオフラインログデータを利用する。
我々は,ベイズ最適化の文献から,画像やタンパク質の設計に対する高次元モデルベース最適化問題,ログデータからのコンテキスト的帯域最適化といったタスクのMINを評価した。
論文 参考訳（メタデータ） (2019-12-31T18:06:49Z)
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。