論文の概要: Analytic Bijections for Smooth and Interpretable Normalizing Flows
- arxiv url: http://arxiv.org/abs/2601.10774v1
- Date: Thu, 15 Jan 2026 16:09:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-19 20:21:50.249255
- Title: Analytic Bijections for Smooth and Interpretable Normalizing Flows
- Title（参考訳）: Smooth and Interpretable Normalizing Flowの解析的ビジェクション
- Authors: Mathis Gerdes, Miranda C. N. Cheng,
- Abstract要約: ラジアルフローは、例外的な訓練安定性を示し、幾何学的に解釈可能な変換を生成し、ラジアル構造を持つターゲット上では、1,000時間以下で結合フローに匹敵する品質を達成できる。
我々は,1次元および2次元のベンチマークを総合的に評価し,4ドルの格子場理論の実験を通じて高次元物理学問題への適用性を実証する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: A key challenge in designing normalizing flows is finding expressive scalar bijections that remain invertible with tractable Jacobians. Existing approaches face trade-offs: affine transformations are smooth and analytically invertible but lack expressivity; monotonic splines offer local control but are only piecewise smooth and act on bounded domains; residual flows achieve smoothness but need numerical inversion. We introduce three families of analytic bijections -- cubic rational, sinh, and cubic polynomial -- that are globally smooth ($C^\infty$), defined on all of $\mathbb{R}$, and analytically invertible in closed form, combining the favorable properties of all prior approaches. These bijections serve as drop-in replacements in coupling flows, matching or exceeding spline performance. Beyond coupling layers, we develop radial flows: a novel architecture using direct parametrization that transforms the radial coordinate while preserving angular direction. Radial flows exhibit exceptional training stability, produce geometrically interpretable transformations, and on targets with radial structure can achieve comparable quality to coupling flows with $1000\times$ fewer parameters. We provide comprehensive evaluation on 1D and 2D benchmarks, and demonstrate applicability to higher-dimensional physics problems through experiments on $φ^4$ lattice field theory, where our bijections outperform affine baselines and enable problem-specific designs that address mode collapse.
- Abstract（参考訳）: 正規化フローを設計する上で重要な課題は、トラクタブル・ヤコビアンと不可逆な表現的スカラー単射を見つけることである。
既存のアプローチはトレードオフに直面している: アフィン変換は滑らかで解析的に可逆であるが、表現性がない;モノトニックスプラインは局所的な制御を提供するが、断片的に滑らかであり、有界領域に作用する;残留フローは滑らかであるが数値反転が必要である。
解析的単射の3つの族(立方的有理、シン、立方多項式)は、大域的に滑らかである(C^\infty$)。
これらのビジェクションは、カップリングフローにおけるドロップイン置換、マッチングまたはスプライン性能を超えるものとして機能する。
直接パラメトリゼーションを用いた新しいアーキテクチャで、角方向を保ちながら放射座標を変換する。
ラジアルフローは、例外的な訓練安定性を示し、幾何学的に解釈可能な変換を生成し、ラジアル構造を持つターゲット上では、1,000\times$より少ないパラメータで結合フローに匹敵する品質を達成することができる。
1Dおよび2Dベンチマークの総合評価を行い、φ^4$格子場理論の実験により高次元物理問題に適用可能性を示す。
関連論文リスト
- Constructive conditional normalizing flows [0.8594140167290097]
連続性方程式の流れから,$$ と $_#$ を同時に近似する問題を考える。
我々は、ラグランジュ補間子の極様分解を$$とする明示的な構成を提供する。
論文 参考訳（メタデータ） (2026-02-09T12:52:47Z) - Riemannian Flow Matching for Disentangled Graph Domain Adaptation [51.98961391065951]
グラフドメイン適応(GDA)は典型的には、ユークリッド空間におけるグラフ埋め込みの整列に逆学習を使用する。
DisRFMは、埋め込みとフローベースのトランスポートを統一する幾何学的なGDAフレームワークである。
論文 参考訳（メタデータ） (2026-01-31T11:05:35Z) - Latent Object Permanence: Topological Phase Transitions, Free-Energy Principles, and Renormalization Group Flows in Deep Transformer Manifolds [0.5729426778193398]
幾何学的および統計的物理レンズを用いた深部変圧器言語モデルにおける多段階推論の出現について検討する。
我々は、フォワードパスを離散粗粒度写像として形式化し、安定な「概念盆地」の出現と、この再正規化のような力学の固定点を関連付ける。
結果として生じる低エントロピー状態は、スペクトルテール崩壊と、表現空間における過渡的で再利用可能なオブジェクトのような構造の形成によって特徴づけられる。
論文 参考訳（メタデータ） (2026-01-16T23:11:02Z) - Pathway to $O(\sqrt{d})$ Complexity bound under Wasserstein metric of flow-based models [1.724966705006084]
We provide tools to estimates the error of flow-based generative model under the Wasserstein metric。
この誤差は、次元と独立にスケールする後方流のプッシュフォワード写像のリプシッツ性という2つの部分によって明示的に制御できることを示す。
論文 参考訳（メタデータ） (2025-12-07T07:26:39Z) - RiemanLine: Riemannian Manifold Representation of 3D Lines for Factor Graph Optimization [49.83974390433746]
本稿では,3次元ラインの最小限の統一表現である textbfRiemanLine を紹介する。
私たちのキーとなるアイデアは、各行のランドマークをグローバルなコンポーネントとローカルなコンポーネントに分離することです。
ICL-NUIM, TartanAir, および総合ベンチマークを用いた実験により, 提案手法はより精度の高いポーズ推定とライン再構成を実現することが示された。
論文 参考訳（メタデータ） (2025-08-06T11:27:38Z) - Proper Latent Decomposition [4.266376725904727]
内在座標(相対空間)の減少を計算し、数値的な離散化よりも自由度が低い流れを正確に記述する。
提案手法では,多様体上でPLDを実行するアルゴリズムを提案する。
この研究は、オートエンコーダと潜在空間の分析、非線形低次モデリング、高次元データの構造に関する科学的洞察の機会を開放する。
論文 参考訳（メタデータ） (2024-12-01T12:19:08Z) - Stable Nonconvex-Nonconcave Training via Linear Interpolation [51.668052890249726]
本稿では,ニューラルネットワークトレーニングを安定化(大規模)するための原理的手法として,線形アヘッドの理論解析を提案する。
最適化過程の不安定性は、しばしば損失ランドスケープの非単調性によって引き起こされるものであり、非拡張作用素の理論を活用することによって線型性がいかに役立つかを示す。
論文 参考訳（メタデータ） (2023-10-20T12:45:12Z) - Transformers as Support Vector Machines [54.642793677472724]
自己アテンションの最適化幾何と厳密なSVM問題との間には,形式的等価性を確立する。
勾配降下に最適化された1層変圧器の暗黙バイアスを特徴付ける。
これらの発見は、最適なトークンを分離し選択するSVMの階層としてのトランスフォーマーの解釈を刺激していると信じている。
論文 参考訳（メタデータ） (2023-08-31T17:57:50Z) - Decentralized Weakly Convex Optimization Over the Stiefel Manifold [28.427697270742947]
我々は分散環境でスティーフェル多様体に焦点をあて、$nMn log-1)$のエージェントの連結ネットワークをテストする。
そこで本研究では,nMn log-1 以下の自然ステーションを強制的に強制する分散下位段階法 (DRSM)$ という手法を提案する。
論文 参考訳（メタデータ） (2023-03-31T02:56:23Z) - Equivalence Between SE(3) Equivariant Networks via Steerable Kernels and
Group Convolution [90.67482899242093]
近年, 入力の回転と変換において等価な3次元データに対して, ニューラルネットワークを設計するための幅広い手法が提案されている。
両手法とその等価性を詳細に解析し,その2つの構成をマルチビュー畳み込みネットワークに関連付ける。
また、同値原理から新しいTFN非線形性を導出し、実用的なベンチマークデータセット上でテストする。
論文 参考訳（メタデータ） (2022-11-29T03:42:11Z) - Sinusoidal Sensitivity Calculation for Line Segment Geometries [0.0]
本稿では,Kernらによって提案された正弦波コイル感度モデルに対する閉形式解を提案する。
これにより、地道デビアスデータセットに対する様々なシミュレーションバイアス場の正確な計算が可能になる。
論文 参考訳（メタデータ） (2022-08-05T09:30:55Z) - Equivariant Discrete Normalizing Flows [10.867162810786361]
離散層を用いた等変正規化フローの構築に着目する。
2つの新しい同変フロー:$G$-カップリングフローと$G$-Residualフローを導入する。
我々の構成である$G$-Residual Flowsも普遍的であり、$G$-equivariant diffeomorphismが$G$-Residual Flowによって正確にマッピング可能であることを証明している。
論文 参考訳（メタデータ） (2021-10-16T20:16:00Z) - SurVAE Flows: Surjections to Bridge the Gap between VAEs and Flows [78.77808270452974]
SurVAE Flowsは、VAEと正規化フローを含む構成可能な変換のためのモジュラーフレームワークである。
提案手法は,SurVAE フローとして表現できることが示唆された。
論文 参考訳（メタデータ） (2020-07-06T13:13:22Z)
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。