Fugu-MT 論文翻訳(概要): Equilibria for Networks of Linear Translational Springs

論文の概要: Equilibria for Networks of Linear Translational Springs

arxiv url: http://arxiv.org/abs/2609.03143v1
Date: Wed, 02 Sep 2026 20:27:00 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-04 18:28:38.848817
Title: Equilibria for Networks of Linear Translational Springs
Title（参考訳）: 線形翻訳スプリングのネットワークに対する平衡
Abstract要約: 非線形代数のツールを用いて、小さな線形変換スプリングネットワークの平衡を研究する。ホモトピー継続、モノドロミー、パラメータホモトピーを用いて、すべての剛性線形翻訳スプリングネットワークを2ドルおよび3ドル次元で最大5ドルノードに解決する。
参考スコア（独自算出の注目度）: 0.7775640041883367
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We use tools from nonlinear algebra to study the equilibria of small linear translational spring networks. Specifically we use the techniques of homotopy continuation, monodromy, and parameter homotopy (a.k.a. cheater homotopy) to solve all rigid linear translational spring networks up to $5$ nodes in both $2$ and $3$ dimensions. We describe a method of implementing parameter homotopy that arises naturally from the physical structure of the system. We give precise total degree bounds on the maximum number of solutions for general planar spring networks. We discuss further efficiency gains obtained from polyhedral homotopy methods. We compare the computation efficiency of these techniques against a baseline of Newton's method.
Abstract（参考訳）: 非線形代数のツールを用いて、小さな線形変換スプリングネットワークの平衡を研究する。具体的には、ホモトピー継続法、モノドロミー法、パラメータホモトピー法(例えば、チーターホモトピー法)を用いて、すべての剛性線形変換スプリングネットワークを2ドルおよび3ドル次元のノードで最大5ドルまで解決する。本稿では,システムの物理的構造から自然に生じるパラメータホモトピーを実装する手法について述べる。一般平面ばねネットワークの解の最大数について、正確な総和を与える。本稿では,多面体ホモトピー法から得られるさらなる効率向上について論じる。本稿では,これらの手法の計算効率をニュートン法の基本線と比較する。

関連論文リスト

Primal Acceleration of Newton's Method [7.919213739992464]
リプシッツ連続ヘッセンによる凸関数の最小化のための新しい直接加速ニュートン法を開発した。このアルゴリズムは一次変数のみを使用し、反復ごとに1つの線形解のみを実行する。提案手法は,高速なグローバルレートを維持しつつ,不正確な線形システム解法を用いて,ヘッセンフリーで実装することができる。
論文参考訳（メタデータ） (2026-08-21T17:59:37Z)
Generalized Gradient Norm Clipping & Non-Euclidean $(L_0,L_1)$-Smoothness [51.302674884611335]
本研究は、急勾配と条件勾配のアプローチを組み合わせることでノルムクリッピングを一般化するハイブリッド非ユークリッド最適化手法を提案する。本稿では、ディープラーニングのためのアルゴリズムのインスタンス化について論じ、画像分類と言語モデリングにおけるそれらの特性を実証する。
論文参考訳（メタデータ） (2025-06-02T17:34:29Z)
Symplectic Stiefel manifold: tractable metrics, second-order geometry and Newton's methods [1.190653833745802]
我々は、シンプレクティック・スティーフェル多様体上の明示的な二階幾何学とニュートンの方法を開発する。次にニュートン方程式をニュートン法の中心的なステップとして解く。提案手法を検証するために, 種々の数値実験を行った。
論文参考訳（メタデータ） (2024-06-20T13:26:06Z)
Learning with Norm Constrained, Over-parameterized, Two-layer Neural Networks [54.177130905659155]
近年の研究では、再生カーネルヒルベルト空間(RKHS)がニューラルネットワークによる関数のモデル化に適した空間ではないことが示されている。本稿では,有界ノルムを持つオーバーパラメータ化された2層ニューラルネットワークに適した関数空間について検討する。
論文参考訳（メタデータ） (2024-04-29T15:04:07Z)
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)
Deep Learning for Mean Field Games with non-separable Hamiltonians [0.0]
本稿では,高次元平均場ゲーム(MFG)の解法を提案する。 2つのニューラルネットワークを用いて、MFGシステムの未知の解とフォワードバック条件を近似する。提案手法は,少数のイテレーションでも効率的であり,最大300次元の処理を単一層で行うことができる。
論文参考訳（メタデータ） (2023-01-07T15:39:48Z)
Message Passing Neural PDE Solvers [60.77761603258397]
我々は、バックプロップ最適化されたニューラル関数近似器で、グラフのアリーデザインのコンポーネントを置き換えるニューラルメッセージパッシング解決器を構築した。本稿では, 有限差分, 有限体積, WENOスキームなどの古典的手法を表現的に含んでいることを示す。本研究では, 異なる領域のトポロジ, 方程式パラメータ, 離散化などにおける高速, 安定, 高精度な性能を, 1次元, 2次元で検証する。
論文参考訳（メタデータ） (2022-02-07T17:47:46Z)
Leveraging Non-uniformity in First-order Non-convex Optimization [93.6817946818977]
目的関数の非一様洗練は、emphNon-uniform Smoothness(NS)とemphNon-uniform Lojasiewicz inequality(NL)につながる新しい定義は、古典的な$Omega (1/t2)$下界よりも早く大域的最適性に収束する新しい幾何学的一階法を刺激する。
論文参考訳（メタデータ） (2021-05-13T04:23:07Z)
Towards Accelerating Training of Batch Normalization: A Manifold Perspective [19.55158964644964]
バッチ正規化(bn)は、さまざまなディープニューラルネットワークにおいて重要なコンポーネントとなっている。我々は、bn を持つネットワークのすべての等価重みが同一の要素と見なされる商多様体 emphpsi 多様体を提案する。我々のアルゴリズムは, 様々な実験環境において, 一貫して優れた性能を達成できることを示す。
論文参考訳（メタデータ） (2021-01-08T08:53:07Z)
A Distributed Cubic-Regularized Newton Method for Smooth Convex Optimization over Networks [19.767938436958296]
ネットワーク上の大規模凸最適化のための分散3次正規化ニュートン法を提案する。コスト関数がリプシッツ勾配とヘシアンと凸であるときに、$O(k-3)$収束率を示し、$k$は反復数である。
論文参考訳（メタデータ） (2020-07-07T15:38:47Z)
Convex Geometry and Duality of Over-parameterized Neural Networks [70.15611146583068]
有限幅2層ReLUネットワークの解析のための凸解析手法を開発した。正規化学習問題に対する最適解が凸集合の極点として特徴づけられることを示す。高次元では、トレーニング問題は無限に多くの制約を持つ有限次元凸問題としてキャストできることが示される。
論文参考訳（メタデータ） (2020-02-25T23:05:33Z)

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。