論文の概要: Online Stability Improvement of Groebner Basis Solvers using Deep
Learning
- arxiv url: http://arxiv.org/abs/2401.09328v1
- Date: Wed, 17 Jan 2024 16:51:28 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-18 15:11:12.000781
- Title: Online Stability Improvement of Groebner Basis Solvers using Deep
Learning
- Title(参考訳): ディープラーニングを用いたGroebner Basis Solversのオンライン安定性向上
- Authors: Wanting Xu, Lan Hu, Manolis C. Tsakiris and Laurent Kneip
- Abstract要約: 異なる変数や単項順序が異なる消去テンプレートにつながることを示す。
次に、元の係数の集合が、優れた解法の選択を訓練するのに十分な情報を含むことを証明した。
- 参考スコア(独自算出の注目度): 29.805408457645886
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Over the past decade, the Gr\"obner basis theory and automatic solver
generation have lead to a large number of solutions to geometric vision
problems. In practically all cases, the derived solvers apply a fixed
elimination template to calculate the Gr\"obner basis and thereby identify the
zero-dimensional variety of the original polynomial constraints. However, it is
clear that different variable or monomial orderings lead to different
elimination templates, and we show that they may present a large variability in
accuracy for a certain instance of a problem. The present paper has two
contributions. We first show that for a common class of problems in geometric
vision, variable reordering simply translates into a permutation of the columns
of the initial coefficient matrix, and that -- as a result -- one and the same
elimination template can be reused in different ways, each one leading to
potentially different accuracy. We then prove that the original set of
coefficients may contain sufficient information to train a classifier for
online selection of a good solver, most notably at the cost of only a small
computational overhead. We demonstrate wide applicability at the hand of
generic dense polynomial problem solvers, as well as a concrete solver from
geometric vision.
- Abstract(参考訳): 過去10年にわたり、gr\"obner基底理論と自動解法生成は、幾何学的視覚問題に対する多くの解決策を生み出してきた。
事実上全てのケースにおいて、導出された解法は、gr\"obner基底を計算するために固定除去テンプレートを適用し、その結果、元の多項式制約のゼロ次元多様体を同定する。
しかし,異なる変数順序やモノミアル順序が異なる除去テンプレートをもたらすことは明らかであり,問題のある場合において,高い精度を示す可能性がある。
本論文には2つの貢献がある。
まず、幾何学的視界における一般的な問題のクラスについて、変数の順序付けは、単に初期係数行列の列の置換に変換され、その結果-- 結果として- 同一の消去テンプレートを異なる方法で再利用できることを示し、それぞれが潜在的に異なる精度をもたらす。
次に、元の係数集合は、よい解法のオンライン選択のための分類器を訓練するのに十分な情報を含む可能性があることを証明し、特に計算オーバーヘッドの小さいコストで証明する。
汎用的な多項式問題解法と幾何学的ビジョンによる具体的解法について,幅広い応用性を示す。
関連論文リスト
- Disentangled Representation Learning with the Gromov-Monge Gap [65.73194652234848]
乱れのないデータから歪んだ表現を学習することは、機械学習における根本的な課題である。
本稿では,2次最適輸送に基づく非交叉表現学習手法を提案する。
提案手法の有効性を4つの標準ベンチマークで示す。
論文 参考訳(メタデータ) (2024-07-10T16:51:32Z) - Covering Number of Real Algebraic Varieties and Beyond: Improved Bounds and Applications [8.438718130535296]
ユークリッド空間における集合の被覆数について上限を証明する。
ここでは、イムディン・コントによる最もよく知られた一般境界が改善されることが示される。
本稿では,3つの計算応用における結果のパワーについて説明する。
論文 参考訳(メタデータ) (2023-11-09T03:06:59Z) - Automatic Solver Generator for Systems of Laurent Polynomial Equations [1.7188280334580197]
同じ単項構造であるが様々な係数を持つ三角系(ローラン系)が与えられたとき、任意の族に対する解をできるだけ早く計算する解法を見つける。
ローラン方程式系に対する自動解法生成器を提案する。
論文 参考訳(メタデータ) (2023-07-01T12:12:52Z) - Sparse resultant based minimal solvers in computer vision and their
connection with the action matrix [17.31412310131552]
いくつかのカメラ幾何問題に対して、我々の余剰手法は、最先端のGrobnerベースベースの解法よりも小さく、より安定な解法をもたらすことを示した。
コンピュータビジョンにおける最小限の問題に対して、一般的なベースベースの方法に代わる競争力のある代替手段を提供する。
論文 参考訳(メタデータ) (2023-01-16T14:25:19Z) - Graph Polynomial Convolution Models for Node Classification of
Non-Homophilous Graphs [52.52570805621925]
本研究では,高階グラフ畳み込みからの効率的な学習と,ノード分類のための隣接行列から直接学習する。
得られたモデルが新しいグラフと残留スケーリングパラメータをもたらすことを示す。
提案手法は,非親和性パラメータのノード分類における精度の向上を実証する。
論文 参考訳(メタデータ) (2022-09-12T04:46:55Z) - Message Passing Neural PDE Solvers [60.77761603258397]
我々は、バックプロップ最適化されたニューラル関数近似器で、グラフのアリーデザインのコンポーネントを置き換えるニューラルメッセージパッシング解決器を構築した。
本稿では, 有限差分, 有限体積, WENOスキームなどの古典的手法を表現的に含んでいることを示す。
本研究では, 異なる領域のトポロジ, 方程式パラメータ, 離散化などにおける高速, 安定, 高精度な性能を, 1次元, 2次元で検証する。
論文 参考訳(メタデータ) (2022-02-07T17:47:46Z) - Matrix-wise $\ell_0$-constrained Sparse Nonnegative Least Squares [22.679160149512377]
多重右辺 (MNNLS) を持つ非負の最小二乗問題は、加法線形結合に依存するモデルに現れる。
本稿では,行列幅制約を用いたスパースMNNLSの新しい定式化を提案する。
提案した2段階の手法は,カラムワイドおよびグローバルの両方に適用された最先端のスパース符号よりも精度の高い結果が得られることを示す。
論文 参考訳(メタデータ) (2020-11-22T17:21:16Z) - 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) - Computing stable resultant-based minimal solvers by hiding a variable [20.402488757146692]
コンピュータビジョンアプリケーションは、最小数の入力データ測定からカメラ幾何学を頑健に推定する必要がある。
本稿では,1つの変数を隠蔽することにより,方程式のスパース系を解くための興味深い代替スパース法について検討する。
研究結果から,提案手法は現状のGr"オブザーバベースの解法よりも安定な解法に導かれることが示された。
論文 参考訳(メタデータ) (2020-07-17T07:40:10Z) - Competitive Mirror Descent [67.31015611281225]
制約のある競合最適化には、制約の対象となる競合する目的を最小化しようとする複数のエージェントが含まれる。
本稿では, 競合ミラー降下法(CMD)を提案する。
特別の場合として、正の円錐上の問題に対する新しい競合乗法重みアルゴリズムを得る。
論文 参考訳(メタデータ) (2020-06-17T22:11:35Z) - Eigendecomposition-Free Training of Deep Networks for Linear
Least-Square Problems [107.3868459697569]
我々は、ディープネットワークのトレーニングに固有分解のないアプローチを導入する。
この手法は固有分解の明示的な微分よりもはるかに堅牢であることを示す。
我々の手法は収束特性が良く、最先端の結果が得られます。
論文 参考訳(メタデータ) (2020-04-15T04:29:34Z)
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。