論文の概要: Enhancing Interpretability in Generative Modeling: Statistically Disentangled Latent Spaces Guided by Generative Factors in Scientific Datasets

• arxiv url: http://arxiv.org/abs/2507.00298v1
• Date: Mon, 30 Jun 2025 22:29:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-03 14:22:59.032433
• Title: Enhancing Interpretability in Generative Modeling: Statistically Disentangled Latent Spaces Guided by Generative Factors in Scientific Datasets
• Title（参考訳）: 生成モデルにおける解釈可能性の強化:科学データセットにおける生成因子で導かれる統計的に歪んだ潜在空間
• Authors: Arkaprabha Ganguli, Nesar Ramachandra, Julie Bessac, Emil Constantinescu,
• Abstract要約: 本稿では,従来の変分オートエンコーダフレームワークにおける新しいアーキテクチャであるAux-VAEを紹介する。 我々は、Aux-VAEの有効性を、天文シミュレーションを含む複数のデータセットで比較評価することで検証する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This study addresses the challenge of statistically extracting generative factors from complex, high-dimensional datasets in unsupervised or semi-supervised settings. We investigate encoder-decoder-based generative models for nonlinear dimensionality reduction, focusing on disentangling low-dimensional latent variables corresponding to independent physical factors. Introducing Aux-VAE, a novel architecture within the classical Variational Autoencoder framework, we achieve disentanglement with minimal modifications to the standard VAE loss function by leveraging prior statistical knowledge through auxiliary variables. These variables guide the shaping of the latent space by aligning latent factors with learned auxiliary variables. We validate the efficacy of Aux-VAE through comparative assessments on multiple datasets, including astronomical simulations.
• Abstract（参考訳）: 本研究では, 教師なし, 半教師なしの設定において, 複雑な高次元データセットから生成因子を統計的に抽出することの課題に対処する。 本稿では,非線型次元減少のためのエンコーダデコーダに基づく生成モデルについて検討する。 古典的変分オートエンコーダフレームワークにおける新しいアーキテクチャであるAux-VAEの導入により,従来の統計的知識を補助変数を通じて活用することにより,標準的なVAE損失関数に最小限の変更を加えることで,分散化を実現する。 これらの変数は、学習された補助変数と潜在因子を整列させることにより、潜在空間の成型を導く。 我々は、Aux-VAEの有効性を、天文シミュレーションを含む複数のデータセットで比較評価することで検証する。

関連論文リスト

• Temporal-Spectral-Spatial Unified Remote Sensing Dense Prediction [62.376936772702905]
  リモートセンシングのための現在のディープラーニングアーキテクチャは、基本的に堅固である。 本稿では,統合モデリングのための空間時間スペクトル統一ネットワーク(STSUN)について紹介する。 STSUNは任意の空間サイズ、時間長、スペクトル帯域で入力および出力データに適応することができる。 トレーニング可能なタスクの埋め込みにモデルを条件付けすることで、単一のアーキテクチャ内で異なる密集した予測タスクを統一する。
  論文  参考訳（メタデータ） (2025-05-18T07:39:17Z)
• Learning a Single Index Model from Anisotropic Data with vanilla Stochastic Gradient Descent [7.8378818005171125]
  ニューラルネットワークが特徴を学習する能力を研究するためのシングルインデックスモデル(SIM)の学習問題について検討する。 本研究では,異方性入力データを用いたSIM下でのバニラグラディエントDescent(SGD)の学習動態を解析した。 共分散行列の構造によって決定される実効次元の概念を用いて、サンプルの複雑さの上下境界を導出する。
  論文  参考訳（メタデータ） (2025-03-31T01:07:30Z)
• Data Augmentation with Variational Autoencoder for Imbalanced Dataset [1.2289361708127877]
  不均衡分布からの学習は予測モデリングにおいて大きな課題となる。 VAEとスムーズなブートストラップを組み合わせた新しいデータ生成手法を開発し,IRの課題に対処する。
  論文  参考訳（メタデータ） (2024-12-09T22:59:03Z)
• Joint Distributional Learning via Cramer-Wold Distance [0.7614628596146602]
  高次元データセットの共分散学習を容易にするために,クレーマー-ウォルド距離正規化を導入し,クレーマー-ウォルド距離正規化法を提案する。 また、フレキシブルな事前モデリングを可能にする2段階学習手法を導入し、集約後と事前分布のアライメントを改善する。
  論文  参考訳（メタデータ） (2023-10-25T05:24:23Z)
• Disentanglement via Latent Quantization [60.37109712033694]
  本研究では,組織化された潜在空間からの符号化と復号化に向けた帰納的バイアスを構築する。 本稿では,基本データレコーダ (vanilla autoencoder) と潜時再構成 (InfoGAN) 生成モデルの両方に追加することで,このアプローチの広範な適用性を実証する。
  論文  参考訳（メタデータ） (2023-05-28T06:30:29Z)
• VTAE: Variational Transformer Autoencoder with Manifolds Learning [144.0546653941249]
  深層生成モデルは、多くの潜伏変数を通して非線形データ分布の学習に成功している。 ジェネレータの非線形性は、潜在空間がデータ空間の不満足な射影を示し、表現学習が不十分になることを意味する。 本研究では、測地学と正確な計算により、深部生成モデルの性能を大幅に向上させることができることを示す。
  論文  参考訳（メタデータ） (2023-04-03T13:13:19Z)
• Variational Autoencoding Neural Operators [17.812064311297117]
  関数型データによる教師なし学習は、コンピュータビジョン、気候モデリング、物理システムへの応用を含む機械学習研究の新たなパラダイムである。 本稿では,大規模な演算子学習アーキテクチャを変分オートエンコーダとして機能させる汎用戦略として,変分オートエンコードニューラル演算子(VANO)を提案する。
  論文  参考訳（メタデータ） (2023-02-20T22:34:43Z)
• Neural Decomposition: Functional ANOVA with Variational Autoencoders [9.51828574518325]
  変分オートエンコーダ (VAEs) は次元減少に対する一般的なアプローチとなっている。 VAEのブラックボックスの性質のため、医療やゲノミクスの応用には限界があった。 本研究では,条件付きVAEの変動源の特徴付けに焦点をあてる。
  論文  参考訳（メタデータ） (2020-06-25T10:29:13Z)

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。