論文の概要: DPOT: A DeepParticle method for Computation of Optimal Transport with convergence guarantee
- arxiv url: http://arxiv.org/abs/2506.23429v1
- Date: Sun, 29 Jun 2025 23:32:39 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-01 21:27:53.871307
- Title: DPOT: A DeepParticle method for Computation of Optimal Transport with convergence guarantee
- Title（参考訳）: DPOT:収束保証付き最適輸送計算のためのディープパーティクル法
- Authors: Yingyuan Li, Aokun Wang, Zhongjian Wang,
- Abstract要約: そこで本研究では,2つの連続分布間の最適輸送マップを非ペア化標本から計算する機械学習手法を提案する。
提案手法は,トレーニング中に最小限の最適化を行ない,ネットワーク構造に制限を加えることはない。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: In this work, we propose a novel machine learning approach to compute the optimal transport map between two continuous distributions from their unpaired samples, based on the DeepParticle methods. The proposed method leads to a min-min optimization during training and does not impose any restriction on the network structure. Theoretically we establish a weak convergence guarantee and a quantitative error bound between the learned map and the optimal transport map. Our numerical experiments validate the theoretical results and the effectiveness of the new approach, particularly on real-world tasks.
- Abstract（参考訳）: 本研究では,DeepParticle法に基づく2つの連続分布間の最適トランスポートマップの計算手法を提案する。
提案手法は,トレーニング中に最小限の最適化を行ない,ネットワーク構造に制限を加えることはない。
理論的には、弱い収束保証と学習された写像と最適輸送写像の間に有界な量的誤差を確立する。
我々の数値実験は、特に実世界のタスクにおいて、新しいアプローチの理論的結果と有効性を検証する。
関連論文リスト
- Verification of Geometric Robustness of Neural Networks via Piecewise Linear Approximation and Lipschitz Optimisation [57.10353686244835]
我々は、回転、スケーリング、せん断、翻訳を含む入力画像の幾何学的変換に対するニューラルネットワークの検証の問題に対処する。
提案手法は, 分枝・分枝リプシッツと組み合わせたサンプリングおよび線形近似を用いて, 画素値に対する楽音線形制約を求める。
提案手法では,既存の手法よりも最大32%の検証ケースが解決されている。
論文 参考訳（メタデータ） (2024-08-23T15:02:09Z) - Distributed Markov Chain Monte Carlo Sampling based on the Alternating
Direction Method of Multipliers [143.6249073384419]
本論文では,乗算器の交互方向法に基づく分散サンプリング手法を提案する。
我々は,アルゴリズムの収束に関する理論的保証と,その最先端性に関する実験的証拠の両方を提供する。
シミュレーションでは,線形回帰タスクとロジスティック回帰タスクにアルゴリズムを配置し,その高速収束を既存の勾配法と比較した。
論文 参考訳（メタデータ） (2024-01-29T02:08:40Z) - Efficient Neural Network Approaches for Conditional Optimal Transport with Applications in Bayesian Inference [1.740133468405535]
D1450F4545454545454545454545454545454545454545454545454545454545454545454545454545454545454545454545 4545454545454545454545454545454545454545454545454545454545454545454545454545454545454545454545454545 4545454545454545454545454545454545454545454545454545454545454545454545454545454545454545454545454545 4545454545454545454545454545454545454545454545454545454545454545454545454545454545454545454545454545 4545454545454545454545454545454545454545454545454545454545454545454545454545454545454545454545454545 4545454545454545454545454545454545454545454545454545454545454545454545454545454545454545454545454545 4545454545454545454545454545454545454545454545454545454545454545454545454545454545454545454545454545 454545454545454545454545454545454545454545454545454545454545
論文 参考訳（メタデータ） (2023-10-25T20:20:09Z) - Uncovering Challenges of Solving the Continuous Gromov-Wasserstein Problem [63.99794069984492]
グロモフ=ワッサーシュタイン最適輸送(Gromov-Wasserstein Optimal Transport, GWOT)問題は、MLコミュニティの特別な関心を集めている。
既存の連続GWOTアプローチをさまざまなシナリオでクラッシュテストし、結果を注意深く記録し分析し、問題を特定します。
本稿では,離散的手法に依存しない新たな連続GWOT法を提案し,競合の問題を部分的に解決する。
論文 参考訳（メタデータ） (2023-03-10T15:21:12Z) - Fast Computation of Optimal Transport via Entropy-Regularized Extragradient Methods [75.34939761152587]
2つの分布間の最適な輸送距離の効率的な計算は、様々な応用を促進するアルゴリズムとして機能する。
本稿では,$varepsilon$加法精度で最適な輸送を計算できるスケーラブルな一階最適化法を提案する。
論文 参考訳（メタデータ） (2023-01-30T15:46:39Z) - Learning Optimal Transport Between two Empirical Distributions with
Normalizing Flows [12.91637880428221]
本稿では、ニューラルネットワークの柔軟性を活用して、最適輸送マップを近似的に学習することを提案する。
我々は、このOT問題の解を近似するために、非可逆ニューラルネットワークの特定の例、すなわち正規化フローが利用できることを示した。
論文 参考訳（メタデータ） (2022-07-04T08:08:47Z) - Distributed Averaging Methods for Randomized Second Order Optimization [54.51566432934556]
我々はヘッセン語の形成が計算的に困難であり、通信がボトルネックとなる分散最適化問題を考察する。
我々は、ヘッセンのサンプリングとスケッチを用いたランダム化二階最適化のための非バイアスパラメータ平均化手法を開発した。
また、不均一なコンピューティングシステムのための非バイアス分散最適化フレームワークを導入するために、二階平均化手法のフレームワークを拡張した。
論文 参考訳（メタデータ） (2020-02-16T09:01:18Z)
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。