論文の概要: Asymmetric regularization mechanism for GAN training with Variational Inequalities

• arxiv url: http://arxiv.org/abs/2601.13920v1
• Date: Tue, 20 Jan 2026 12:50:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-21 22:47:23.311217
• Title: Asymmetric regularization mechanism for GAN training with Variational Inequalities
• Title（参考訳）: 変分不等式をもつGAN訓練のための非対称正則化機構
• Authors: Spyridon C. Giagtzoglou, Mark H. M. Winands, Barbara Franci,
• Abstract要約: 我々は,GANの学習をナッシュ均衡問題として定式化する。 古典的チホノフステップと新しいゼロ中心勾配ペナルティに基づく非対称正則化機構を提案する。
• 参考スコア（独自算出の注目度）: 1.529943343419486
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: We formulate the training of generative adversarial networks (GANs) as a Nash equilibrium seeking problem. To stabilize the training process and find a Nash equilibrium, we propose an asymmetric regularization mechanism based on the classic Tikhonov step and on a novel zero-centered gradient penalty. Under smoothness and a local identifiability condition induced by a Gauss-Newton Gramian, we obtain explicit Lipschitz and (strong)-monotonicity constants for the regularized operator. These constants ensure last-iterate linear convergence of a single-call Extrapolation-from-the-Past (EFTP) method. Empirical simulations on an academic example show that, even when strong monotonicity cannot be achieved, the asymmetric regularization is enough to converge to an equilibrium and stabilize the trajectory.
• Abstract（参考訳）: 我々は,GANの学習をナッシュ均衡問題として定式化する。 トレーニングプロセスの安定化とナッシュ平衡の発見のために,古典的チホノフステップと新しいゼロ中心勾配ペナルティに基づく非対称正則化機構を提案する。 ガウス・ニュートン・グラミアンによって誘導される滑らかさと局所的識別性条件の下で、正規化作用素に対する明示的なリプシッツおよび(強い)単調性定数を得る。 これらの定数は、単一呼び出し外挿法(EFTP)メソッドの終点線形収束を保証する。 学術的な例における経験的シミュレーションは、強い単調性は達成できないとしても、非対称正則化は平衡に収束し軌道を安定させるのに十分であることを示している。

関連論文リスト

• Gradient Equilibrium in Online Learning: Theory and Applications [56.02856551198923]
  勾配平衡は標準オンライン学習法によって達成される。 勾配平衡は、オンライン予測問題において解釈可能かつ有意義な性質に変換される。 勾配平衡フレームワークは,ブラックボックス予測の偏りを緩和する手法の開発に利用できることを示す。
  論文  参考訳（メタデータ） (2025-01-14T18:59:09Z)
• Random non-Hermitian Hamiltonian framework for symmetry breaking dynamics [6.405171754125318]
  ヒルベルト空間における量子状態の一般非線形ダイナミクスをモデル化するために、ランダムな非エルミートハミルトニアンを提案する。 本手法は, 線形方程式の線形性に基礎を置き, 線形系解法の適用性を確保する。
  論文  参考訳（メタデータ） (2024-10-06T02:56:43Z)
• Machine learning in and out of equilibrium [58.88325379746631]
  我々の研究は、統計物理学から適応したフォッカー・プランク法を用いて、これらの平行線を探索する。 我々は特に、従来のSGDでは平衡が切れている長期的限界におけるシステムの定常状態に焦点を当てる。 本稿では,ミニバッチの置き換えを伴わない新しいランゲヴィンダイナミクス(SGLD)を提案する。
  論文  参考訳（メタデータ） (2023-06-06T09:12:49Z)
• Global Convergence of Over-parameterized Deep Equilibrium Models [52.65330015267245]
  ディープ均衡モデル(Deep equilibrium model, DEQ)は、入射を伴う無限深度重み付きモデルの平衡点を通して暗黙的に定義される。 無限の計算の代わりに、ルートフィンディングで直接平衡点を解き、暗黙の微分で勾配を計算する。 本稿では,無限深度重み付きモデルの非漸近解析における技術的困難を克服する新しい確率的枠組みを提案する。
  論文  参考訳（メタデータ） (2022-05-27T08:00:13Z)
• Canonically consistent quantum master equation [68.8204255655161]
  我々は、無限小弱い系-バス結合限界を超えた開量子系の状態を正しく再現する新しい量子マスター方程式を提唱した。 本手法は, 定常状態の減少に関する知識を力学に取り入れることに基づいている。
  論文  参考訳（メタデータ） (2022-05-25T15:22:52Z)
• On the Convergence of Stochastic Extragradient for Bilinear Games with Restarted Iteration Averaging [96.13485146617322]
  本稿では, ステップサイズが一定であるSEG法の解析を行い, 良好な収束をもたらす手法のバリエーションを示す。 平均化で拡張した場合、SEGはナッシュ平衡に確実に収束し、スケジュールされた再起動手順を組み込むことで、その速度が確実に加速されることを証明した。
  論文  参考訳（メタデータ） (2021-06-30T17:51:36Z)
• Towards Understanding Generalization via Decomposing Excess Risk Dynamics [13.4379473119565]
  一般化力学を解析してアルゴリズム依存境界(安定性など)を導出する。 ニューラルネットは、ノイズの嵌合時に緩やかな収束率を示すという観測から着想を得て、余剰リスクダイナミクスを分解することを提案する。 分解の枠組みの下では、新しい境界は安定性に基づく境界と一様収束境界よりも理論的および経験的証拠とよく一致している。
  論文  参考訳（メタデータ） (2021-06-11T03:42:45Z)
• Fast Policy Extragradient Methods for Competitive Games with Entropy Regularization [40.21627891283402]
  本稿では,競争ゲームの均衡の計算問題について考察する。 エントロピー正則化のアルゴリズム的役割に動機付けられ、我々は証明可能な効率の良い指数関数法を開発した。
  論文  参考訳（メタデータ） (2021-05-31T17:51:15Z)

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。