論文の概要: Joint Metric Space Embedding by Unbalanced OT with Gromov-Wasserstein Marginal Penalization
- arxiv url: http://arxiv.org/abs/2502.07510v1
- Date: Tue, 11 Feb 2025 12:28:47 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-02-12 14:06:54.907264
- Title: Joint Metric Space Embedding by Unbalanced OT with Gromov-Wasserstein Marginal Penalization
- Title(参考訳): Gromov-Wasserstein Marginal Penalization を併用した不均衡OTによるメトリカルスペース埋め込み
- Authors: Florian Beier, Moritz Piening, Robert Beinert, Gabriele Steidl,
- Abstract要約: 異種データセットの教師なしアライメントのための新しい手法を提案する。
本手法は,Gromov-Wasserstein境界化を用いた不均衡最適輸送問題に基づく。
- 参考スコア(独自算出の注目度): 3.7498611358320733
- License:
- Abstract: We propose a new approach for unsupervised alignment of heterogeneous datasets, which maps data from two different domains without any known correspondences to a common metric space. Our method is based on an unbalanced optimal transport problem with Gromov-Wasserstein marginal penalization. It can be seen as a counterpart to the recently introduced joint multidimensional scaling method. We prove that there exists a minimizer of our functional and that for penalization parameters going to infinity, the corresponding sequence of minimizers converges to a minimizer of the so-called embedded Wasserstein distance. Our model can be reformulated as a quadratic, multi-marginal, unbalanced optimal transport problem, for which a bi-convex relaxation admits a numerical solver via block-coordinate descent. We provide numerical examples for joint embeddings in Euclidean as well as non-Euclidean spaces.
- Abstract(参考訳): 異種データセットの教師なしアライメントのための新しいアプローチを提案する。これは、既知の対応を伴わない2つの異なる領域からのデータを共通の距離空間にマッピングする。
本手法は,Gromov-Wasserstein境界ペナル化を用いた不均衡最適輸送問題に基づく。
これは、最近導入された共同多次元スケーリング手法に匹敵するものと見なすことができる。
汎函数の最小値が存在し、無限大に向かうペナライズパラメータに対して、対応する最小値列は、いわゆる埋め込みワッサーシュタイン距離の最小値に収束することを示す。
両凸緩和がブロック座標降下による数値解法を許容する二次的,マルチマルジナル,アンバランスな最適輸送問題として再構成できる。
ユークリッド空間および非ユークリッド空間における合同埋め込みの数値的な例を提供する。
関連論文リスト
- A space-decoupling framework for optimization on bounded-rank matrices with orthogonally invariant constraints [4.917399520581689]
有界ランク行列の最適化のための空間分離フレームワークを提案する。
結合制約の接円錐は各制約の接円錐の交叉であることを示す。
改定問題と原問題との等価性を明らかにする。
論文 参考訳(メタデータ) (2025-01-23T16:54:03Z) - Total Uncertainty Quantification in Inverse PDE Solutions Obtained with Reduced-Order Deep Learning Surrogate Models [50.90868087591973]
機械学習サロゲートモデルを用いて得られた逆PDE解の総不確かさを近似したベイズ近似法を提案する。
非線型拡散方程式に対する反復的アンサンブルスムーズおよび深層アンサンブル法との比較により,提案手法を検証した。
論文 参考訳(メタデータ) (2024-08-20T19:06:02Z) - Scalable unsupervised alignment of general metric and non-metric structures [21.29255788365408]
異なるドメインからのデータのアライメントは、非常に異なる領域にわたる幅広いアプリケーションによる機械学習の基本的な問題である。
我々は、2次代入問題 (QAP) の最小化問題でもある、関連よく計算可能な線形代入問題 (LAP) を学習する。
単一セルマルチオミクスとニューラル潜在空間からの合成および実データに対するアプローチを評価する。
論文 参考訳(メタデータ) (2024-06-19T12:54:03Z) - Covariance alignment: from maximum likelihood estimation to
Gromov-Wasserstein [27.2585517709102]
また, 最適輸送によるGromov-Wassersteinアルゴリズムも最適であることを示す。
これらの結果は、Gromov-Wassersteinアルゴリズムを実際に展開するための最初の統計的正当性を与える。
論文 参考訳(メタデータ) (2023-11-22T18:55:27Z) - Approximation of optimization problems with constraints through kernel
Sum-Of-Squares [77.27820145069515]
我々は、点的不等式が非負の kSoS 関数のクラス内で等式となることを示す。
また, 等式制約に焦点をあてることで, 散乱不等式を用いることで, 制約のサンプリングにおける次元性の呪いを軽減することができることを示す。
論文 参考訳(メタデータ) (2023-01-16T10:30:04Z) - Optimal variance-reduced stochastic approximation in Banach spaces [114.8734960258221]
可分バナッハ空間上で定義された収縮作用素の定点を推定する問題について検討する。
演算子欠陥と推定誤差の両方に対して漸近的でない境界を確立する。
論文 参考訳(メタデータ) (2022-01-21T02:46:57Z) - Lifting the Convex Conjugate in Lagrangian Relaxations: A Tractable
Approach for Continuous Markov Random Fields [53.31927549039624]
断片的な離散化は既存の離散化問題と矛盾しないことを示す。
この理論を2つの画像のマッチング問題に適用する。
論文 参考訳(メタデータ) (2021-07-13T12:31:06Z) - Non-asymptotic convergence bounds for Wasserstein approximation using
point clouds [0.0]
モデル確率分布からサンプルしたような離散データを生成する方法を示す。
収束型アルゴリズムに対して明示的な上限を与える。
論文 参考訳(メタデータ) (2021-06-15T06:53:08Z) - Continuous Wasserstein-2 Barycenter Estimation without Minimax
Optimization [94.18714844247766]
ワッサーシュタイン・バリセンターは、最適輸送に基づく確率測度の重み付き平均の幾何学的概念を提供する。
本稿では,Wasserstein-2 バリセンタのサンプルアクセスを演算するスケーラブルなアルゴリズムを提案する。
論文 参考訳(メタデータ) (2021-02-02T21:01:13Z) - The Unbalanced Gromov Wasserstein Distance: Conic Formulation and
Relaxation [0.0]
距離測度空間(すなわち確率分布を持つ距離空間)を比較することは、多くの機械学習問題の中心である。
そのような距離空間の間の最も一般的な距離は計量測度Gro-Wasserstein (GW) 距離であり、その距離は二次である。
GW の定式化は、任意の正測度を持つ距離空間の比較を等距離まで緩和する。
論文 参考訳(メタデータ) (2020-09-09T12:38:14Z) - Continuous Regularized Wasserstein Barycenters [51.620781112674024]
正規化ワッサーシュタイン・バリセンタ問題に対する新しい双対定式化を導入する。
我々は、強い双対性を確立し、対応する主対関係を用いて、正規化された輸送問題の双対ポテンシャルを用いて暗黙的にバリセンターをパラメトリゼーションする。
論文 参考訳(メタデータ) (2020-08-28T08:28:06Z)
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。