Fugu-MT 論文翻訳(概要): Variational Autoencoder Layer

論文の概要: Variational Autoencoder Layer

arxiv url: http://arxiv.org/abs/2606.25900v1
Date: Wed, 24 Jun 2026 14:48:23 GMT
ステータス: 翻訳完了
システム内更新日: 2026-06-25 17:05:30.360687
Title: Variational Autoencoder Layer
Title（参考訳）: 変分オートエンコーダ層
Abstract要約: 変分オートエンコーダ(VAE)は確率特性を持つオートエンコーダの族に属する。本稿では,VAEをニューラルネットワーク層として統合する新しいアプローチを提案する。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Variational Autoencoders (VAEs) belong to a family of autoencoders with probabilistic properties, making them well suited for generating data by producing a smooth and continuous latent space. Despite being introduced over a decade ago, the method continues to be widely adopted in both research and industry for diverse applications. While VAEs are typically used as standalone models, this paper introduces a novel approach to integrate them as a neural network layer. Furthermore, a new training strategy is proposed for models incorporating these layers, and their performance is thoroughly analyzed.
Abstract（参考訳）: 変分オートエンコーダ(VAE)は確率特性を持つオートエンコーダのファミリーに属し、スムーズで連続的な潜在空間を生成することでデータを生成するのに適している。 10年以上前に導入されたが、様々な用途に研究と産業の両方で広く採用されている。 VAEは通常、スタンドアロンモデルとして使用されるが、ニューラルネットワーク層として統合するための新しいアプローチを導入する。さらに、これらの層を組み込んだモデルに新たなトレーニング戦略を提案し、その性能を徹底的に分析した。

関連論文リスト

AI-Aided Kalman Filters [65.35350122917914]
カルマンフィルタ(KF)とその変種は、信号処理において最も著名なアルゴリズムの一つである。最近の進歩は、古典的なカルマン型フィルタリングでディープニューラルネットワーク(DNN)を融合させる可能性を示している。本稿では,KF型アルゴリズムにAIを組み込むための設計アプローチについて,チュートリアル形式で概説する。
論文参考訳（メタデータ） (2024-10-16T06:47:53Z)
Variational Autoencoding Neural Operators [17.812064311297117]
関数型データによる教師なし学習は、コンピュータビジョン、気候モデリング、物理システムへの応用を含む機械学習研究の新たなパラダイムである。本稿では,大規模な演算子学習アーキテクチャを変分オートエンコーダとして機能させる汎用戦略として,変分オートエンコードニューラル演算子(VANO)を提案する。
論文参考訳（メタデータ） (2023-02-20T22:34:43Z)
Fully Bayesian Autoencoders with Latent Sparse Gaussian Processes [23.682509357305406]
オートエンコーダとその変種は表現学習と生成モデリングにおいて最も広く使われているモデルの一つである。ベイジアンオートエンコーダの潜在空間に完全スパースガウスプロセス先行を課す新しいスパースガウスプロセスベイジアンオートエンコーダモデルを提案する。
論文参考訳（メタデータ） (2023-02-09T09:57:51Z)
Work In Progress: Safety and Robustness Verification of Autoencoder-Based Regression Models using the NNV Tool [0.0]
本研究では、自己エンコーダに基づく回帰ニューラルネットワーク(NN)モデルに対する堅牢性検証を導入する。自己エンコーダに基づく回帰モデルに対するロバストネス評価指標の2つの定義を導入する。著者の理解によれば、この論文は、オートエンコーダベースのNNの到達可能性分析を初めて示した論文である。
論文参考訳（メタデータ） (2022-07-14T09:10:30Z)
Variational Autoencoders Without the Variation [0.0]
変異自己エンコーダ(VAEs)は、生成モデリングにおける一般的なアプローチである。正規化およびエントロピックオートエンコーダに関する最近の研究は、生成モデリングにおいて、変分的アプローチを除去し、古典的決定論的オートエンコーダ(DAE)に戻す可能性を探り始めた。本稿では,新たな手法を使わずに画像生成のためのDAEの能力と,大規模ネットワークの暗黙的な正規化と平滑化の効果を実証的に検討する。
論文参考訳（メタデータ） (2022-03-01T17:39:02Z)
Deep Variational Models for Collaborative Filtering-based Recommender Systems [63.995130144110156]
ディープラーニングは、リコメンダシステムの結果を改善するために、正確な協調フィルタリングモデルを提供する。提案するモデルは, 深層建築の潜伏空間において, 変分概念を注入性に適用する。提案手法は, 入射雑音効果を超える変動エンリッチメントのシナリオにおいて, 提案手法の優位性を示す。
論文参考訳（メタデータ） (2021-07-27T08:59:39Z)
Few-Shot Named Entity Recognition: A Comprehensive Study [92.40991050806544]
マルチショット設定のモデル一般化能力を向上させるための3つの手法を検討する。ラベル付きデータの比率の異なる10の公開nerデータセットについて経験的比較を行う。マルチショットとトレーニングフリーの両方の設定で最新の結果を作成します。
論文参考訳（メタデータ） (2020-12-29T23:43:16Z)
Relaxed-Responsibility Hierarchical Discrete VAEs [3.976291254896486]
textitRelaxed-Responsibility Vector-Quantisationを導入する。我々は、様々な標準データセットに対して、最先端のビット/ディミット結果を得る。
論文参考訳（メタデータ） (2020-07-14T19:10:05Z)
Recent Developments Combining Ensemble Smoother and Deep Generative Networks for Facies History Matching [58.720142291102135]
本研究は、ファシズムモデルのための連続パラメータ化を構築するためのオートエンコーダネットワークの利用に焦点を当てる。本稿では,VAE,GAN,Wasserstein GAN,変分自動符号化GAN,サイクルGANの主成分分析(PCA),転送スタイルネットワークのPCA,スタイル損失のVAEの7種類の定式化をベンチマークする。
論文参考訳（メタデータ） (2020-05-08T21:32:42Z)
Forecasting Sequential Data using Consistent Koopman Autoencoders [52.209416711500005]
クープマン理論に関連する新しい物理学に基づく手法が導入された。本稿では,既存の作業の多くと異なり,前方・後方のダイナミクスを生かした新しいコンシスタント・クープマン・オートエンコーダモデルを提案する。このアプローチの鍵となるのは、一貫性のある力学と関連するクープマン作用素との相互作用を探索する新しい解析である。
論文参考訳（メタデータ） (2020-03-04T18:24:30Z)
Model Fusion via Optimal Transport [64.13185244219353]
ニューラルネットワークのための階層モデル融合アルゴリズムを提案する。これは、不均一な非i.d.データに基づいてトレーニングされたニューラルネットワーク間での"ワンショット"な知識伝達に成功していることを示す。
論文参考訳（メタデータ） (2019-10-12T22:07:15Z)

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。