Fugu-MT 論文翻訳(概要): Autoencoder with Ordered Variance for Nonlinear Model Identification

論文の概要: Autoencoder with Ordered Variance for Nonlinear Model Identification

arxiv url: http://arxiv.org/abs/2402.14031v1
Date: Tue, 20 Feb 2024 11:34:19 GMT
ステータス: 処理完了
システム内更新日: 2024-02-23 17:30:24.297432
Title: Autoencoder with Ordered Variance for Nonlinear Model Identification
Title（参考訳）: 非線形モデル同定のための順序変数付きオートエンコーダ
Authors: Midhun T. Augustine, Parag Patil, Mani Bhushan, Sharad Bhartiya
Abstract要約: 本稿では、損失関数を分散正規化項で修正し、遅延空間の順序を強制する、順序分散(AEO)を持つ新しいオートエンコーダを提案する。また, 教師なし環境における入力変数間の非線形関係抽出におけるAEOとRAEOの有効性について述べる。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This paper presents a novel autoencoder with ordered variance (AEO) in which the loss function is modified with a variance regularization term to enforce order in the latent space. Further, the autoencoder is modified using ResNets, which results in a ResNet AEO (RAEO). The paper also illustrates the effectiveness of AEO and RAEO in extracting nonlinear relationships among input variables in an unsupervised setting.
Abstract（参考訳）: 本稿では, 損失関数を分散正規化項で修正し, 潜在空間に秩序を強制する, 順序分散(aeo)を持つ新しいオートエンコーダを提案する。さらに、オートエンコーダはResNetsを使用して変更され、その結果ResNet AEO(RAEO)となる。また, 教師なし環境における入力変数間の非線形関係抽出におけるAEOとRAEOの有効性について述べる。

関連論文リスト

ED-VAE: Entropy Decomposition of ELBO in Variational Autoencoders [0.850206009406913]
変分オートエンコーダ(VAE)は、エビデンス・ロウアー・バウンド(ELBO)の定式化の制限によって制約される。本研究は、エントロピーとクロスエントロピー成分を明示的に含むELBOの新たな再形式であるエントロピー分解変分オートエンコーダ(ED-VAE)を紹介する。
論文参考訳（メタデータ） (2024-07-09T12:09:21Z)
Posterior Collapse and Latent Variable Non-identifiability [54.842098835445]
柔軟性を犠牲にすることなく識別性を強制する深層生成モデルである,潜時同定可能な変分オートエンコーダのクラスを提案する。合成および実データ全体にわたって、潜在識別可能な変分オートエンコーダは、後方崩壊を緩和し、データの有意義な表現を提供する既存の方法より優れている。
論文参考訳（メタデータ） (2023-01-02T06:16:56Z)
Consistency Regularization for Variational Auto-Encoders [14.423556966548544]
変分自動エンコーダ(VAE)は教師なし学習の強力なアプローチである。本稿では,VAEの整合性を強制する正規化手法を提案する。
論文参考訳（メタデータ） (2021-05-31T10:26:32Z)
FastCorrect: Fast Error Correction with Edit Alignment for Automatic Speech Recognition [90.34177266618143]
編集アライメントに基づく新しいNAR誤り訂正モデルであるFastCorrectを提案する。 fastcorrectは推論を6-9倍高速化し、自己回帰補正モデルと比較して精度を8-14%向上させる。ニューラルマシン翻訳で採用されている一般的なNARモデルの精度を、大きなマージンで上回っています。
論文参考訳（メタデータ） (2021-05-09T05:35:36Z)
Model-Based Deep Autoencoder Networks for Nonlinear Hyperspectral Unmixing [21.057695471614682]
オートエンコーダネットワークは、教師なしハイパースペクトルアンミックスを行うための有望なアプローチとして登場した。線形混合に対する非線形揺らぎを考慮した非線形HUのためのモデルベースAECを提案する。この制限は、エンコーダとデコーダネットワークの両方に特定の構造を自然に課すことを示しています。
論文参考訳（メタデータ） (2021-04-17T00:14:11Z)
VAE Approximation Error: ELBO and Conditional Independence [78.72292013299868]
本稿では,ELBO目標とエンコーダ確率系列の選択の組み合わせによるVAE近似誤差を解析する。より深いエンコーダネットワークを考慮すれば,ELBOサブセットを拡大することができず,各エラーを低減できないことを示す。
論文参考訳（メタデータ） (2021-02-18T12:54:42Z)
Hierarchical Variational Autoencoder for Visual Counterfactuals [79.86967775454316]
条件変量オート(VAE)は、説明可能な人工知能(XAI)ツールとして注目されている。本稿では, 後部の効果がいかに緩和され, 対物的効果が成功するかを示す。本稿では,アプリケーション内の分類器を視覚的に監査できる階層型VAEについて紹介する。
論文参考訳（メタデータ） (2021-02-01T14:07:11Z)
Autoencoding Variational Autoencoder [56.05008520271406]
我々は,この行動が学習表現に与える影響と,自己整合性の概念を導入することでそれを修正する結果について検討する。自己整合性アプローチで訓練されたエンコーダは、敵攻撃による入力の摂動に対して頑健な(無神経な)表現につながることを示す。
論文参考訳（メタデータ） (2020-12-07T14:16:14Z)
A Correspondence Variational Autoencoder for Unsupervised Acoustic Word Embeddings [50.524054820564395]
そこで本稿では,変数分割音声セグメントを固定次元表現にマッピングするための教師なしモデルを提案する。結果として得られる音響単語の埋め込みは、低リソース言語とゼロリソース言語のための検索、発見、インデックスシステムの基礎を形成することができる。
論文参考訳（メタデータ） (2020-12-03T19:24:42Z)
Variance Constrained Autoencoding [0.0]
エンコーダの場合、同時に分布制約を強制し、出力歪みを最小化しようとすると、生成的および再構成的品質が低下することを示す。本稿では,分散制約のみを適用した分散制約付きオートエンコーダ(VCAE)を提案する。実験の結果,VCAEは,MNISTとCelebAの再構成および生成品質において,ワッサースタインオートエンコーダと変分オートエンコーダを改良することがわかった。
論文参考訳（メタデータ） (2020-05-08T00:50:50Z)

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。