Fugu-MT 論文翻訳(概要): Leray-Schauder Mappings for Operator Learning

論文の概要: Leray-Schauder Mappings for Operator Learning

arxiv url: http://arxiv.org/abs/2410.01746v1
Date: Wed, 2 Oct 2024 17:01:01 GMT
ステータス: 処理完了
システム内更新日: 2024-11-04 15:34:04.441244
Title: Leray-Schauder Mappings for Operator Learning
Title（参考訳）: 演算子学習のためのレイ・シャウダーマッピング
Authors: Emanuele Zappala,
Abstract要約: 結果として得られる手法は、(おそらく非線形な)作用素の普遍近似であることを示す。提案手法の有効性を2つのベンチマークデータセットで示し,その結果がアートモデルに匹敵することを示す。
参考スコア（独自算出の注目度）: 0.6993026261767287
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We present an algorithm for learning operators between Banach spaces, based on the use of Leray-Schauder mappings to learn a finite-dimensional approximation of compact subspaces. We show that the resulting method is a universal approximator of (possibly nonlinear) operators. We demonstrate the efficiency of the approach on two benchmark datasets showing it achieves results comparable to state of the art models.
Abstract（参考訳）: 本稿では,コンパクト部分空間の有限次元近似を学習するために,レイ・シャウダー写像を用いてバナッハ空間間の演算子を学習するアルゴリズムを提案する。結果として得られる手法は、(おそらく非線形な)作用素の普遍近似であることを示す。提案手法は,最先端モデルに匹敵する結果が得られることを示す2つのベンチマークデータセットに対して,提案手法の有効性を実証する。

関連論文リスト

On Discriminative Probabilistic Modeling for Self-Supervised Representation Learning [85.75164588939185]
複数モーダルな)自己教師付き表現学習のための連続領域における識別確率モデル問題について検討する。我々は、自己教師付き表現学習における現在のInfoNCEに基づくコントラスト損失の制限を明らかにするために一般化誤差解析を行う。
論文参考訳（メタデータ） (2024-10-11T18:02:46Z)
Efficient Fairness-Performance Pareto Front Computation [51.558848491038916]
最適公正表現はいくつかの有用な構造特性を持つことを示す。そこで,これらの近似問題は,凹凸プログラミング法により効率的に解けることを示す。
論文参考訳（メタデータ） (2024-09-26T08:46:48Z)
Projection Methods for Operator Learning and Universal Approximation [0.6993026261767287]
任意のバナッハ空間上の連続作用素に対するリーレー・シャウダー写像を用いた新しい普遍近似定理を得る。バナッハ空間において、複数の変数を持つ関数の$Lp$を演算子学習法として導入し、研究する。
論文参考訳（メタデータ） (2024-06-18T04:44:05Z)
Relation-aware Ensemble Learning for Knowledge Graph Embedding [68.94900786314666]
我々は,既存の手法を関係性に配慮した方法で活用し,アンサンブルを学習することを提案する。関係認識アンサンブルを用いてこれらのセマンティクスを探索すると、一般的なアンサンブル法よりもはるかに大きな検索空間が得られる。本稿では,リレーショナルなアンサンブル重みを独立に検索する分割探索合成アルゴリズムRelEns-DSCを提案する。
論文参考訳（メタデータ） (2023-10-13T07:40:12Z)
Provably Efficient Representation Learning with Tractable Planning in Low-Rank POMDP [81.00800920928621]
部分的に観測可能なマルコフ決定過程(POMDP)における表現学習の研究まず,不確実性(OFU)に直面した最大推定(MLE)と楽観性を組み合わせた復調性POMDPのアルゴリズムを提案する。次に、このアルゴリズムをより広範な$gamma$-observable POMDPのクラスで機能させる方法を示す。
論文参考訳（メタデータ） (2023-06-21T16:04:03Z)
Federated Representation Learning via Maximal Coding Rate Reduction [109.26332878050374]
本稿では,複数のクライアントに分散したデータセットから低次元表現を学習する手法を提案する。提案手法はFLOWと呼ばれ, MCR2を選択の対象とし, その結果, クラス間判別とクラス内圧縮の両方が可能な表現が得られた。
論文参考訳（メタデータ） (2022-10-01T15:43:51Z)
Reinforcement Learning from Partial Observation: Linear Function Approximation with Provable Sample Efficiency [111.83670279016599]
部分観察決定過程(POMDP)の無限観測および状態空間を用いた強化学習について検討した。線形構造をもつPOMDPのクラスに対する部分可観測性と関数近似の最初の試みを行う。
論文参考訳（メタデータ） (2022-04-20T21:15:38Z)
Learning Low-Dimensional Nonlinear Structures from High-Dimensional Noisy Data: An Integral Operator Approach [5.975670441166475]
本研究では,高次元および雑音観測から低次元非線形構造を学習するためのカーネルスペクトル埋め込みアルゴリズムを提案する。このアルゴリズムは、基礎となる多様体の事前の知識に依存しない適応的な帯域幅選択手順を用いる。得られた低次元埋め込みは、データ可視化、クラスタリング、予測などの下流目的にさらに活用することができる。
論文参考訳（メタデータ） (2022-02-28T22:46:34Z)
Interactive slice visualization for exploring machine learning models [0.0]
予測空間のスライスをインタラクティブに可視化し,解釈可能性の低下に対処する。具体的には,機械学習アルゴリズムのブラックボックスを開放し,モデルの適合性を疑問視し,説明し,検証し,比較する。
論文参考訳（メタデータ） (2021-01-18T10:47:53Z)
Convex Shape Representation with Binary Labels for Image Segmentation: Models and Fast Algorithms [7.847719964338735]
凸形状の新規かつ効果的なバイナリ表現を提案する。形状凸性と関連する指標関数のいくつかの性質との等価性を示す。
論文参考訳（メタデータ） (2020-02-22T01:55:20Z)

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。