Fugu-MT 論文翻訳(概要): Information-Geometric Optimization on Spheres

論文の概要: Information-Geometric Optimization on Spheres

arxiv url: http://arxiv.org/abs/2606.07588v1
Date: Wed, 27 May 2026 20:51:53 GMT
ステータス: 翻訳完了
システム内更新日: 2026-06-15 07:09:36.750359
Title: Information-Geometric Optimization on Spheres
Title（参考訳）: 球面上の情報幾何学的最適化
Authors: Vladimir Ja\' cimović,
Abstract要約: 2つの情報幾何学的最適化フロー(IGOフロー)は,ポインカーeとベルグマンeの双曲情報幾何に基づく自然探索勾配の厳密な計算により設計されている。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We consider the black-box optimization problem on a sphere. Two information-geometric optimization flows (IGO flows) are designed with rigorous calculation of natural search gradients based on hyperbolic (information) geometry of Poincar\' e and Bergman balls. We demonstrate that ensembles of generalized Kuramoto oscillators on spheres compute natural search gradients and realize IGO algorithms on both manifolds. The relationship between natural gradient policies in Bergman balls and quantum decision making is pointed out.
Abstract（参考訳）: 球面上のブラックボックス最適化問題を考察する。 Information-geometric optimization flow (IGO flow) は, Poincar\' e および Bergman 球の双曲的(情報的)幾何に基づく自然探索勾配の厳密な計算により設計されている。球面上の一般化された倉本発振子のアンサンブルが自然探索勾配を計算し、両多様体上のIGOアルゴリズムを実現することを実証する。ベルグマン球の自然勾配ポリシーと量子決定の関係が指摘されている。

関連論文リスト

Mirror Descent and Novel Exponentiated Gradient Algorithms Using Trace-Form Entropies and Deformed Logarithms [17.422938130292827]
本稿では,ミラー輝き(MD)と一般化指数勾配(GEG)アルゴリズムについて紹介する。これらの一般化エントロピーを活用することで、MD & GEGアルゴリズムは収束挙動の改善、消滅と爆発勾配への堅牢性、非ユークリッド幾何学への固有の適応性をもたらす。
論文参考訳（メタデータ） (2025-03-11T10:50:07Z)
On Barycenter Computation: Semi-Unbalanced Optimal Transport-based Method on Gaussians [24.473522267391072]
本研究では,実測地線勾配Descent とHybrid Gradient Descent と名づけられたBures-Wasserstein多様体上のアルゴリズムを開発した。両手法の理論的収束保証を確立し、エクサクソン測地勾配Descentアルゴリズムが非次元収束率を得ることを示す。
論文参考訳（メタデータ） (2024-10-10T17:01:57Z)
Randomized Gradient Descents on Riemannian Manifolds: Almost Sure Convergence to Global Minima in and beyond Quantum Optimization [0.0]
我々は,サドル点が存在するにもかかわらず,ランダム化勾配降下法が一局所最適化にほぼ確実に収束することを証明した。主要な応用として、一元群上の量子最適化による基底状態の準備を考える。
論文参考訳（メタデータ） (2024-05-20T14:06:45Z)
Gaussian Entanglement Measure: Applications to Multipartite Entanglement of Graph States and Bosonic Field Theory [50.24983453990065]
フービニ・スタディ計量に基づく絡み合い尺度は、Cocchiarellaと同僚によって最近導入された。本稿では,多モードガウス状態に対する幾何絡み合いの一般化であるガウスエンタングルメント尺度(GEM)を提案する。自由度の高い系に対する計算可能な多部絡み合わせ測度を提供することにより、自由なボゾン場理論の洞察を得るために、我々の定義が利用できることを示す。
論文参考訳（メタデータ） (2024-01-31T15:50:50Z)
Neural Gradient Learning and Optimization for Oriented Point Normal Estimation [53.611206368815125]
本研究では,3次元点雲から勾配ベクトルを一貫した向きで学習し,正規推定を行うためのディープラーニング手法を提案する。局所平面幾何に基づいて角距離場を学習し、粗勾配ベクトルを洗練する。本手法は,局所特徴記述の精度と能力の一般化を図りながら,グローバル勾配近似を効率的に行う。
論文参考訳（メタデータ） (2023-09-17T08:35:11Z)
Achieving High Accuracy with PINNs via Energy Natural Gradients [0.0]
エネルギー自然勾配から生じる関数空間の更新方向は、モデルの接空間への射影をニュートン方向変調する。エネルギー自然勾配降下法は,標準勾配降下法あるいはアダム法を用いてPINNを訓練する際に得られるものよりも数桁小さい誤差で高精度な解が得られることを示した。
論文参考訳（メタデータ） (2023-02-25T21:17:19Z)
Learning High Dimensional Wasserstein Geodesics [55.086626708837635]
高次元の2つの確率分布の間のワッサーシュタイン測地線を計算するための新しい定式化と学習戦略を提案する。ラグランジュ乗算器の手法を最適輸送(OT)問題の動的定式化に適用することにより、サドル点がワッサーシュタイン測地線であるミニマックス問題を導出する。次に、深層ニューラルネットワークによる関数のパラメータ化を行い、トレーニングのためのサンプルベースの双方向学習アルゴリズムを設計する。
論文参考訳（メタデータ） (2021-02-05T04:25:28Z)
Towards Better Understanding of Adaptive Gradient Algorithms in Generative Adversarial Nets [71.05306664267832]
適応アルゴリズムは勾配の歴史を用いて勾配を更新し、深層ニューラルネットワークのトレーニングにおいてユビキタスである。本稿では,非コンケーブ最小値問題に対するOptimisticOAアルゴリズムの変種を解析する。実験の結果,適応型GAN非適応勾配アルゴリズムは経験的に観測可能であることがわかった。
論文参考訳（メタデータ） (2019-12-26T22:10:10Z)

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。