論文の概要: Control, Optimal Transport and Neural Differential Equations in Supervised Learning
- arxiv url: http://arxiv.org/abs/2503.15105v1
- Date: Wed, 19 Mar 2025 11:04:36 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-20 15:21:37.938757
- Title: Control, Optimal Transport and Neural Differential Equations in Supervised Learning
- Title（参考訳）: 教師付き学習における制御・最適輸送・ニューラル微分方程式
- Authors: Minh-Nhat Phung, Minh-Binh Tran,
- Abstract要約: Ruiz-Balet and Zuazua (SIAM ReVIEW 2023)
著者は制御理論、最適輸送理論、および神経微分方程式の間の関係に関してオープンな問題を提起する。
本稿では,限界における真の動的最適輸送に収束する神経微分方程式の構成を提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License:
- Abstract: From the perspective of control theory, neural differential equations (neural ODEs) have become an important tool for supervised learning. In the fundamental work of Ruiz-Balet and Zuazua (SIAM REVIEW 2023), the authors pose an open problem regarding the connection between control theory, optimal transport theory, and neural differential equations. More precisely, they inquire how one can quantify the closeness of the optimal flows in neural transport equations to the true dynamic optimal transport. In this work, we propose a construction of neural differential equations that converge to the true dynamic optimal transport in the limit, providing a significant step in solving the formerly mentioned open problem.
- Abstract（参考訳）: 制御理論の観点からは、神経微分方程式(ニューラルODE)は教師あり学習の重要な道具となっている。
Ruiz-Balet と Zuazua (SIAM REVIEW 2023) の基本的な研究において、著者らは制御理論、最適輸送理論、神経微分方程式の間の関係に関してオープンな問題を提起している。
より正確には、ニューラルトランスポート方程式の最適流れの真の動的最適輸送の近さを定量化する方法を問う。
本研究では,この限界における真の動的最適輸送に収束する神経微分方程式の構成を提案する。
関連論文リスト
- Convex Physics Informed Neural Networks for the Monge-Ampère Optimal Transport Problem [49.1574468325115]
補給業者から顧客への原料の最適輸送は、物流における問題である。
ここでは、対応する一般化モンジュ・アンペア方程式の解を求める物理情報ニューラルネットワーク法が提唱されている。
特に、損失関数における輸送境界条件の実施に焦点が当てられている。
論文 参考訳（メタデータ） (2025-01-17T12:51:25Z) - A Mathematical Analysis of Neural Operator Behaviors [0.0]
本稿では,ニューラルネットワークの動作を分析するための厳密な枠組みを提案する。
我々はそれらの安定性、収束性、クラスタリングダイナミクス、普遍性、一般化誤差に焦点を当てる。
我々は,ニューラル演算子に基づく手法の今後の設計のために,単一設定で明確かつ統一的なガイダンスを提供することを目指している。
論文 参考訳（メタデータ） (2024-10-28T19:38:53Z) - A minimax optimal control approach for robust neural ODEs [44.99833362998488]
我々は、頑健な制御の観点から、ニューラルなODEの敵対的訓練に対処する。
我々はポントリャーギンの最大原理の形で一階最適条件を導出する。
論文 参考訳（メタデータ） (2023-10-26T17:07:43Z) - A Computational Framework for Solving Wasserstein Lagrangian Flows [48.87656245464521]
一般に、最適密度経路は未知であり、これらの変動問題の解法は計算的に困難である。
本稿では,これらすべての問題に統一的な視点からアプローチする,新しいディープラーニングベースのフレームワークを提案する。
提案手法は, 単セル軌道推定における従来の手法より優れていることを示す。
論文 参考訳（メタデータ） (2023-10-16T17:59:54Z) - NeuralStagger: Accelerating Physics-constrained Neural PDE Solver with
Spatial-temporal Decomposition [67.46012350241969]
本稿では,NeuralStaggerと呼ばれる一般化手法を提案する。
元の学習タスクをいくつかの粗い解像度のサブタスクに分解する。
本稿では,2次元および3次元流体力学シミュレーションにおけるNeuralStaggerの適用例を示す。
論文 参考訳（メタデータ） (2023-02-20T19:36:52Z) - Online Learning to Transport via the Minimal Selection Principle [2.3857747529378917]
決定変数が凸, 三次元オブジェクトであるオンライン学習輸送(OLT)問題について検討する。
我々は、平均場と離散化技術を用いてORT問題を解決するために、最小選択探索法(SoMLT)と呼ばれる新しい手法を導出した。
論文 参考訳（メタデータ） (2022-02-09T21:25:58Z) - Fourier Neural Operator for Parametric Partial Differential Equations [57.90284928158383]
積分カーネルを直接フーリエ空間でパラメータ化することで、新しいニューラル演算子を定式化する。
バーガースの方程式、ダーシー流、ナビエ・ストークス方程式の実験を行う。
従来のPDEソルバに比べて最大3桁高速である。
論文 参考訳（メタデータ） (2020-10-18T00:34:21Z) - Developing Constrained Neural Units Over Time [81.19349325749037]
本稿では,既存のアプローチと異なるニューラルネットワークの定義方法に焦点をあてる。
ニューラルネットワークの構造は、データとの相互作用にも拡張される制約の特別なクラスによって定義される。
提案した理論は時間領域にキャストされ, データを順序づけられた方法でネットワークに提示する。
論文 参考訳（メタデータ） (2020-09-01T09:07:25Z) - Generalization bound of globally optimal non-convex neural network
training: Transportation map estimation by infinite dimensional Langevin
dynamics [50.83356836818667]
本稿では,ディープラーニングの最適化を一般化誤差と関連づけて解析する理論フレームワークを提案する。
ニューラルネットワーク最適化分析のための平均場理論やニューラル・タンジェント・カーネル理論のような既存のフレームワークは、そのグローバル収束を示すために、ネットワークの無限幅の限界を取る必要がある。
論文 参考訳（メタデータ） (2020-07-11T18:19:50Z)
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。
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。