論文の概要: xInv: Explainable Optimization of Inverse Problems

• arxiv url: http://arxiv.org/abs/2506.11056v2
• Date: Mon, 23 Jun 2025 09:40:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-24 14:54:00.378501
• Title: xInv: Explainable Optimization of Inverse Problems
• Title（参考訳）: xInv: 逆問題の説明可能な最適化
• Authors: Sean Memery, Kevin Denamganai, Anna Kapron-King, Kartic Subr,
• Abstract要約: 逆問題は医療、気候科学、農業など幅広い分野の中心となっている。 本稿では,ドメインの抽象化において人間によって解釈可能な説明を生成する手法を提案する。 後処理では、言語モデルを使用してイベントのリストから説明を作成します。
• 参考スコア（独自算出の注目度）: 0.9649642656207866
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Inverse problems are central to a wide range of fields, including healthcare, climate science, and agriculture. They involve the estimation of inputs, typically via iterative optimization, to some known forward model so that it produces a desired outcome. Despite considerable development in the explainability and interpretability of forward models, the iterative optimization of inverse problems remains largely cryptic to domain experts. We propose a methodology to produce explanations, from traces produced by an optimizer, that are interpretable by humans at the abstraction of the domain. The central idea in our approach is to instrument a differentiable simulator so that it emits natural language events during its forward and backward passes. In a post-process, we use a Language Model to create an explanation from the list of events. We demonstrate the effectiveness of our approach with an illustrative optimization problem and an example involving the training of a neural network.
• Abstract（参考訳）: 逆問題は医療、気候科学、農業など幅広い分野の中心となっている。 それらは、典型的には反復最適化を通じて、望まれる結果を生み出すために、既知のフォワードモデルに入力を推定する。 フォワードモデルの説明可能性や解釈可能性の発達にもかかわらず、逆問題に対する反復的な最適化はドメインの専門家にとって大半が秘密のままである。 本稿では,ドメインの抽象化において人間が解釈可能な最適化器のトレースから説明を生成する手法を提案する。 提案手法の中心となる考え方は,前方・後方通過時に自然言語イベントを出力するように,微分可能なシミュレータを実装できるようにすることである。 後処理では、言語モデルを使用してイベントのリストから説明を作成します。 提案手法の有効性を,図解的最適化問題とニューラルネットワークのトレーニングを含む例で実証する。

関連論文リスト

• Deep Physics Prior for First Order Inverse Optimization [17.536106369025717]
  逆設計最適化は、観測された解からシステムパラメータを推論することを目的としている。 多くの系における明示的な数学的表現の欠如はこの過程を複雑にしている。 生成AIやベイジアン最適化を含む主流のアプローチは、これらの課題に対処するが、制限がある。 本稿では,代用機械学習モデルを用いた一階勾配に基づく逆最適化を実現する新しい手法であるDeep Physics Prior (DPP)を紹介する。
  論文  参考訳（メタデータ） (2025-04-28T21:48:19Z)
• Information-theoretic Bayesian Optimization: Survey and Tutorial [2.3931689873603603]
  本稿では,情報理論的獲得関数について述べる。 また,情報理論の獲得関数を,多目的,制約付き,非明視的,多面的,並列,非同期といった複雑な最適化シナリオに適応させる方法について述べる。
  論文  参考訳（メタデータ） (2025-01-22T10:54:15Z)
• PRefLexOR: Preference-based Recursive Language Modeling for Exploratory Optimization of Reasoning and Agentic Thinking [0.0]
  PRefLexORは、好みの最適化と強化学習の概念を組み合わせることで、モデルを自己学習可能にする。 本研究は, 生体材料科学の応用に焦点をあて, 様々なケーススタディでその手法を実証する。
  論文  参考訳（メタデータ） (2024-10-16T08:46:26Z)
• Inverse Problems with Diffusion Models: A MAP Estimation Perspective [5.002087490888723]
  コンピュータでは、インペイント、デブロアリング、超解像などの画像復元タスクを逆問題として形式的にモデル化することができる。 本研究では,連続時間拡散モデルの逆条件生成過程をモデル化するMAP推定フレームワークを提案する。 提案手法を用いて,画像復元のための効率的なアルゴリズムを開発した。
  論文  参考訳（メタデータ） (2024-07-27T15:41:13Z)
• Comparison of Single- and Multi- Objective Optimization Quality for Evolutionary Equation Discovery [77.34726150561087]
  進化的微分方程式の発見は、より優先順位の低い方程式を得るための道具であることが証明された。 提案した比較手法は、バーガーズ方程式、波動方程式、コルテヴェーグ・ド・ブリーズ方程式といった古典的なモデル例で示される。
  論文  参考訳（メタデータ） (2023-06-29T15:37:19Z)
• Backpropagation of Unrolled Solvers with Folded Optimization [55.04219793298687]
  ディープネットワークにおけるコンポーネントとしての制約付き最適化モデルの統合は、多くの専門的な学習タスクに有望な進歩をもたらした。 1つの典型的な戦略はアルゴリズムのアンローリングであり、これは反復解法の操作による自動微分に依存している。 本稿では,非ロール最適化の後方通過に関する理論的知見を提供し,効率よく解けるバックプロパゲーション解析モデルを生成するシステムに繋がる。
  論文  参考訳（メタデータ） (2023-01-28T01:50:42Z)
• Learning to Reason With Relational Abstractions [65.89553417442049]
  関係抽象化の考え方を用いて,言語モデルにおいてより強力な推論能力を構築する方法について検討する。 このようなシーケンスをプロンプトとして提供したモデルでは,タスクの精度が大幅に向上することがわかった。
  論文  参考訳（メタデータ） (2022-10-06T00:27:50Z)
• Offline Model-Based Optimization via Normalized Maximum Likelihood Estimation [101.22379613810881]
  データ駆動最適化の問題を検討し、一定の点セットでクエリのみを与えられた関数を最大化する必要がある。 この問題は、関数評価が複雑で高価なプロセスである多くの領域に現れる。 我々は,提案手法を高容量ニューラルネットワークモデルに拡張可能なトラクタブル近似を提案する。
  論文  参考訳（メタデータ） (2021-02-16T06:04:27Z)
• Deep Feedback Inverse Problem Solver [141.26041463617963]
  逆問題に対する効率的で効果的で汎用的なアプローチを提案する。 我々は、フォワードプロセスが提供するフィードバック信号を活用し、反復的な更新モデルを学ぶ。 私たちのアプローチは前もってのプロセスに制限がなく、事前の知識も必要ありません。
  論文  参考訳（メタデータ） (2021-01-19T16:49:06Z)
• A Flexible Framework for Designing Trainable Priors with Adaptive Smoothing and Game Encoding [57.1077544780653]
  我々は、前方通過を非滑らかな凸最適化問題として解釈できるニューラルネットワーク層の設計とトレーニングのための一般的なフレームワークを紹介する。 グラフのノードに代表されるローカルエージェントによって解決され、正規化関数を介して相互作用する凸ゲームに焦点を当てる。 このアプローチは、訓練可能なエンドツーエンドのディープモデル内で、古典的な画像の事前使用を可能にするため、画像の問題を解決するために魅力的である。
  論文  参考訳（メタデータ） (2020-06-26T08:34:54Z)

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。