Fugu-MT 論文翻訳(概要): A Family of Kernelized Matrix Costs for Multiple-Output Mixture Neural Networks

論文の概要: A Family of Kernelized Matrix Costs for Multiple-Output Mixture Neural Networks

arxiv url: http://arxiv.org/abs/2509.24076v3
Date: Thu, 02 Oct 2025 16:02:29 GMT
ステータス: 翻訳完了
システム内更新日: 2025-10-03 14:32:17.142684
Title: A Family of Kernelized Matrix Costs for Multiple-Output Mixture Neural Networks
Title（参考訳）: 多出力混合ニューラルネットワークのためのカーネル化行列コストの一家系
Authors: Bo Hu, José C. Príncipe,
Abstract要約: ペアワイズ距離に基づくコストは、自己監督的でコントラストのある特徴学習に不可欠である。本稿では,4種類のカーネル化行列コストを用いたデータ密度近似を提案する。
参考スコア（独自算出の注目度）: 21.869324259541568
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Pairwise distance-based costs are crucial for self-supervised and contrastive feature learning. Mixture Density Networks (MDNs) are a widely used approach for generative models and density approximation, using neural networks to produce multiple centers that define a Gaussian mixture. By combining MDNs with contrastive costs, this paper proposes data density approximation using four types of kernelized matrix costs: the scalar cost, the vector-matrix cost, the matrix-matrix cost (the trace of Schur complement), and the SVD cost (the nuclear norm), for learning multiple centers required to define a mixture density.
Abstract（参考訳）: ペアワイズ距離に基づくコストは、自己監督的でコントラストのある特徴学習に不可欠である。混合密度ネットワーク(MDN)は、ガウス混合を定義する複数の中心を生成するニューラルネットワークを用いて、生成モデルと密度近似に広く用いられているアプローチである。 MDNと対照的なコストを組み合わせることで,スカラーコスト,ベクトル行列コスト,行列行列行列コスト(シュール補題のトレース),SVDコスト(核ノルム)の4種類の核化行列コストを用いて,混合密度の定義に必要な複数のセンタを学習するためのデータ密度近似を提案する。

関連論文リスト

Transfer Learning on Multi-Dimensional Data: A Novel Approach to Neural Network-Based Surrogate Modeling [0.0]
畳み込みニューラルネットワーク(CNN)はそのようなサロゲートモデルの基礎として人気を集めている。本稿では,$d$次元問題と$d-1$次元近似の両方に対する数値解の混合によるCNN代理モデルのトレーニングを提案する。転送学習を用いて,2種類のデータに対して,高密度な完全畳み込みエンコーダ・デコーダCNNを学習する多相フローテスト問題に対するアプローチを実証する。
論文参考訳（メタデータ） (2024-10-16T05:07:48Z)
Rectified Gaussian kernel multi-view k-means clustering [0.0]
マルチビューデータに対処する2種類のマルチビューk-means (MVKM) アルゴリズムについて述べる。一般的な考え方は、$h$-th view data point $x_ih$と$h$-th view clustercenter $a_kh$を、異なる方法でセントロイドベースのアプローチで概説することである。
論文参考訳（メタデータ） (2024-05-09T08:35:21Z)
A Multimodal Intermediate Fusion Network with Manifold Learning for Stress Detection [1.2430809884830318]
本稿では,多様体学習に基づく次元減少を伴う中間的マルチモーダル融合ネットワークを提案する。マルチモーダルネットワークと単調ネットワークの異なるバリエーションについて,様々な次元削減手法を比較した。多次元スケーリング(MDS)法による中間レベル融合は96.00%の精度で有望な結果を示した。
論文参考訳（メタデータ） (2024-03-12T21:06:19Z)
Robust Training and Verification of Implicit Neural Networks: A Non-Euclidean Contractive Approach [64.23331120621118]
本稿では,暗黙的ニューラルネットワークのトレーニングとロバスト性検証のための理論的および計算的枠組みを提案する。組込みネットワークを導入し、組込みネットワークを用いて、元のネットワークの到達可能な集合の超近似として$ell_infty$-normボックスを提供することを示す。 MNISTデータセット上で暗黙的なニューラルネットワークをトレーニングするためにアルゴリズムを適用し、我々のモデルの堅牢性と、文献における既存のアプローチを通じてトレーニングされたモデルを比較する。
論文参考訳（メタデータ） (2022-08-08T03:13:24Z)
Robustness Certificates for Implicit Neural Networks: A Mixed Monotone Contractive Approach [60.67748036747221]
暗黙のニューラルネットワークは、競合性能とメモリ消費の削減を提供する。入力逆流の摂動に関して、それらは不安定なままである。本稿では,暗黙的ニューラルネットワークのロバスト性検証のための理論的および計算的枠組みを提案する。
論文参考訳（メタデータ） (2021-12-10T03:08:55Z)
Mixture Model Auto-Encoders: Deep Clustering through Dictionary Learning [72.9458277424712]
Mixture Model Auto-Encoders (MixMate)は、生成モデルで推論を実行することでデータをクラスタリングする新しいアーキテクチャである。最先端のディープクラスタリングアルゴリズムと比較して,MixMateは競争性能が高いことを示す。
論文参考訳（メタデータ） (2021-10-10T02:30:31Z)
Brain Image Synthesis with Unsupervised Multivariate Canonical CSC$\ell_4$Net [122.8907826672382]
我々は,新しいCSC$ell_4$Netを用いて,イントレとイントラモーダルの両方にまたがる専用特徴を学習することを提案する。
論文参考訳（メタデータ） (2021-03-22T05:19:40Z)
Joint Deep Reinforcement Learning and Unfolding: Beam Selection and Precoding for mmWave Multiuser MIMO with Lens Arrays [54.43962058166702]
離散レンズアレイを用いたミリ波マルチユーザマルチインプット多重出力(MU-MIMO)システムに注目が集まっている。本研究では、DLA を用いた mmWave MU-MIMO システムのビームプリコーディング行列の共同設計について検討する。
論文参考訳（メタデータ） (2021-01-05T03:55:04Z)
Coded Stochastic ADMM for Decentralized Consensus Optimization with Edge Computing [113.52575069030192]
セキュリティ要件の高いアプリケーションを含むビッグデータは、モバイルデバイスやドローン、車両など、複数の異種デバイスに収集され、格納されることが多い。通信コストとセキュリティ要件の制限のため、核融合センターにデータを集約するのではなく、分散的に情報を抽出することが最重要となる。分散エッジノードを介してデータを局所的に処理するマルチエージェントシステムにおいて,モデルパラメータを学習する問題を考える。分散学習モデルを開発するために,乗算器アルゴリズムの最小バッチ交互方向法(ADMM)のクラスについて検討した。
論文参考訳（メタデータ） (2020-10-02T10:41:59Z)
Deep Networks and the Multiple Manifold Problem [15.144495799445824]
マシンビジョンにおける応用をモデル化した二項分類タスクである多重多様体問題について検討し、深部完全連結ニューラルネットワークを用いて単位球面の2つの低次元部分多様体を分離する。ネットワーク深さ$L$がデータの幾何的および統計的性質に対して大きい場合、ネットワーク幅は$L$で十分大きく成長することを示す。本分析は,実際に動機付けられたモデル問題の文脈における奥行きと幅の具体的な利点を示す。
論文参考訳（メタデータ） (2020-08-25T19:20:00Z)

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。