Fugu-MT 論文翻訳(概要): Search for Z/2 eigenfunctions on the sphere using machine learning

論文の概要: Search for Z/2 eigenfunctions on the sphere using machine learning

arxiv url: http://arxiv.org/abs/2507.13122v1
Date: Thu, 17 Jul 2025 13:38:02 GMT
ステータス: 翻訳完了
システム内更新日: 2025-07-18 20:10:24.521738
Title: Search for Z/2 eigenfunctions on the sphere using machine learning
Title（参考訳）: 機械学習を用いた球面上のZ/2固有関数の探索
Authors: Andriy Haydys, Willem Adriaan Salm,
Abstract要約: 機械学習を用いて、2次元球面上のZ/2固有関数の例を探索する。 3例でZ/2固有関数が認められた。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We use machine learning to search for examples of Z/2 eigenfunctions on the 2-sphere. For this we created a multivalued version of a feedforward deep neural network, and we implemented it using the JAX library. We found Z/2 eigenfunctions for three cases: In the first two cases we fixed the branch points at the vertices of a tetrahedron and at a cube respectively. In a third case, we allowed the AI to move the branch points around and, in the end, it positioned the branch points at the vertices of a squashed tetrahedron.
Abstract（参考訳）: 機械学習を用いて、2次元球面上のZ/2固有関数の例を探索する。そこで私たちは、フィードフォワードディープニューラルネットワークの多値バージョンを作成し、JAXライブラリを使って実装しました。最初の2例では、それぞれ四面体の頂点と立方体に分岐点を固定した。第3のケースでは、AIが分岐点を移動させ、最後には四面体の頂点に分岐点を配置しました。

関連論文リスト

Occupancy-Based Dual Contouring [12.944046673902415]
本稿では,2重畳み込み方式を提案する。本手法は,GPU並列化を最大化するために,学習不要かつ慎重に設計されている。
論文参考訳（メタデータ） (2024-09-20T11:32:21Z)
Testing the $\mathrm{SU}(2)$ lattice Hamiltonian built from $S_3$ partitionings [0.0]
球面$S_3$の分割に基づく格子ゲージ理論のデジタル化の可能性を示す。計算は古典的なコンピュータ上で行うが、原理的には量子デバイスでも行うことができる。
論文参考訳（メタデータ） (2023-11-27T15:37:32Z)
Enumeration of max-pooling responses with generalized permutohedra [39.58317527488534]
最大プーリング層(英: Max-pooling layer)は、入力座標のシフトしたウィンドウの最大値を取ることで入力アレイをサンプリングする関数である。このようなポリトープの面を特徴付け、1次元最大プーリング層における頂点数と面数の生成関数と閉式を得る。
論文参考訳（メタデータ） (2022-09-29T17:45:54Z)
An example of use of Variational Methods in Quantum Machine Learning [0.0]
本稿では,平面上の特定の幾何学的パターンの点を二項分類する量子ニューラルネットワークを提案する。その意図は、ポイントを正しく認識し分類できる最小限のトレーニング可能なパラメータを持つ量子ディープニューラルネットワークを作ることであった。
論文参考訳（メタデータ） (2022-08-07T03:52:42Z)
Picasso: A CUDA-based Library for Deep Learning over 3D Meshes [46.8917772877766]
複雑な実世界の3dメッシュ上でディープラーニングを行うための,新たなモジュールからなるライブラリであるpicassoを提案する。我々は,ネットワーク解像度の低減を図るために,GPU加速メッシュデシメーションを設計する。 S3DIS上での競合セグメンテーション結果を用いた提案モジュールの有効性を実証する。
論文参考訳（メタデータ） (2021-03-28T08:04:50Z)
PointGroup: Dual-Set Point Grouping for 3D Instance Segmentation [111.7241018610573]
私たちは、インスタンスセグメンテーションのための新しいエンドツーエンドボトムアップアーキテクチャであるPointGroupを紹介します。我々は2分岐ネットワークを設計し、ポイントの特徴を抽出し、セマンティックラベルとオフセットを予測し、各ポイントをそれぞれのインスタンスセントロイドに向けてシフトさせる。クラスタリングコンポーネントは、元のおよびオフセットシフトされた点座標セットの両方を利用するために、その相補的な強度を利用する。 ScanNet v2 と S3DIS の2つの挑戦的データセットに対する広範な実験を行い、ScanNet v2 と S3DIS が最も高い性能を達成し、63.6% と 64.0% の2つを以前のベストが達成した54.9% と54.4% と比較した。
論文参考訳（メタデータ） (2020-04-03T16:26:37Z)
Cylindrical Convolutional Networks for Joint Object Detection and Viewpoint Estimation [76.21696417873311]
3次元空間で定義された畳み込みカーネルの円筒形表現を利用する学習可能なモジュールである円筒型畳み込みネットワーク(CCN)を導入する。 CCNはビュー固有の畳み込みカーネルを通してビュー固有の特徴を抽出し、各視点におけるオブジェクトカテゴリスコアを予測する。本実験は,円柱状畳み込みネットワークが関節物体の検出と視点推定に与える影響を実証する。
論文参考訳（メタデータ） (2020-03-25T10:24:58Z)
Learning 2D-3D Correspondences To Solve The Blind Perspective-n-Point Problem [98.92148855291363]
本稿では、6-DoFの絶対カメラポーズ2D--3D対応を同時に解決するディープCNNモデルを提案する。実データとシミュレーションデータの両方でテストした結果,本手法は既存手法よりも大幅に優れていた。
論文参考訳（メタデータ） (2020-03-15T04:17:30Z)
SeqXY2SeqZ: Structure Learning for 3D Shapes by Sequentially Predicting 1D Occupancy Segments From 2D Coordinates [61.04823927283092]
本稿では,各2次元位置における関数の出力が内部の線分列である2次元関数を用いて3次元形状を表現することを提案する。本研究では,SeqXY2SeqZと呼ばれるセック2Seqモデルを用いて,2つの任意の軸に沿った2次元座標列から3つの軸に沿った1次元位置の列への写像を学習する手法を提案する。実験の結果,SeqXY2SeqZは広く使用されているベンチマークで最先端の手法よりも優れていることがわかった。
論文参考訳（メタデータ） (2020-03-12T00:24:36Z)
Implicit Functions in Feature Space for 3D Shape Reconstruction and Completion [53.885984328273686]
Implicit Feature Networks (IF-Nets) は連続的な出力を提供し、複数のトポロジを扱える。 IF-NetsはShapeNetにおける3次元オブジェクト再構成における先行作業よりも明らかに優れており、より正確な3次元人間の再構成が得られる。
論文参考訳（メタデータ） (2020-03-03T11:14:29Z)
PUGeo-Net: A Geometry-centric Network for 3D Point Cloud Upsampling [103.09504572409449]
PUGeo-Netと呼ばれる新しいディープニューラルネットワークを用いた一様高密度点雲を生成する手法を提案する。その幾何学中心の性質のおかげで、PUGeo-Netはシャープな特徴を持つCADモデルとリッチな幾何学的詳細を持つスキャンされたモデルの両方でうまく機能する。
論文参考訳（メタデータ） (2020-02-24T14:13:29Z)

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。