Fugu-MT 論文翻訳(概要): Physical policy gradient theorem for in situ stochastic-adjoint training

論文の概要: Physical policy gradient theorem for in situ stochastic-adjoint training

arxiv url: http://arxiv.org/abs/2609.05808v1
Date: Sat, 05 Sep 2026 01:53:10 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-10 19:44:08.140107
Title: Physical policy gradient theorem for in situ stochastic-adjoint training
Title（参考訳）: 確率-随伴訓練のための物理政策勾配定理
Abstract要約: In situt trainingは、測定から直接パラメータ勾配を抽出するが、これまでのところ、相互あるいは制限されたシステムに限られている。政策定理の物理的相似性を導入し、非デ拡散の相互性を交換することによってこれらの制約を引き上げる勾配随伴推定器を導入する。
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: In situ adjoint training extracts parameter gradients directly from measurement, but has so far been limited to reciprocal or restricted systems. Here, we introduce the physical counterpart of the policy gradient theorem: a stochastic-adjoint gradient estimator that lifts these constraints by trading reciprocity for nondegenerate diffusion. As validation, we train a nonlinear resonator network, whose own dynamics supply the policy, against antagonistic temporal modulations with gradients from measured stochastic trajectories alone, without finite differences or a separate adjoint experiment.
Abstract（参考訳）: In situ adjoint trainingは測定から直接パラメータ勾配を抽出するが、これまでは相互系や制限系に限られてきた。ここでは、ポリシー勾配定理の物理的相似性、すなわち確率-随伴勾配推定器を紹介し、非退化拡散の相互性を交換することによってこれらの制約を引き上げる。検証として, 非線形共振器ネットワークを学習し, 動的にポリシーを供給し, 有限差分や別個の随伴実験を伴わずに, 測定された確率軌道のみからの勾配による対角的時間変調に対して学習する。

関連論文リスト

Variance Reduction for Stochastic Gradient Generalized Non-reversible Langevin Monte Carlo Algorithms [7.336637417508747]
非可逆ランゲヴィン力学に対する勾配丸山推定器の序列変動について検討する。我々は、逆二乗階段の水平方向上の経験的平均が、消滅段数状態における中心極限定理を満たすことを証明した。
論文参考訳（メタデータ） (2026-06-27T08:25:48Z)
Energy Generative Modeling: A Lyapunov-based Energy Matching Perspective [10.28952379012861]
静的スカラーエネルギー関数に基づく生成モデルは、単一の時間独立ポテンシャルがその勾配場を通してサンプル生成を駆動し、時間条件を完全に排除する新たなパラダイムである。我々は、このパラダイムのトレーニングとサンプリングフェーズを、従来はワッサーシュタイン空間上の密度輸送(dentity transport on the Wasserstein space)という単一のフレームワークにまとめる。訓練されたスカラーエネルギーの加法的組成は、明示的なギブス不変測度を保持し、閉ループのリャプノフ証明を継承することを示す。
論文参考訳（メタデータ） (2026-05-07T00:18:55Z)
Asymmetric regularization mechanism for GAN training with Variational Inequalities [1.529943343419486]
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。
論文参考訳（メタデータ） (2026-01-20T12:50:18Z)
Equilibrium Propagation Without Limits [0.0]
我々は,nudged と free phase のヘルムホルツ自由エネルギーの差の勾配が,まさに期待される局所エネルギー微分の差であることを示した。これは、古典的なContrastive Hebbian Learning Updateを、任意の有限ヌーディングのための正確な勾配推定器として検証する。
論文参考訳（メタデータ） (2025-11-27T01:55:26Z)
Entropic Mirror Descent for Linear Systems: Polyak's Stepsize and Implicit Bias [55.72269695392027]
本稿では,線形系を解くためにエントロピックミラー降下を適用することに焦点を当てる。収束解析の主な課題は、領域の非有界性に起因する。制限的な仮定を課さずにこれを克服するために、Polyak型階段の変種を導入する。
論文参考訳（メタデータ） (2025-05-05T12:33:18Z)
Limit Theorems for Stochastic Gradient Descent with Infinite Variance [51.4853131023238]
この勾配降下アルゴリズムは、適切なL'evy過程によって駆動されるオルンシュタイン-ルンシュタイン過程の定常分布として特徴付けられることを示す。また、これらの結果の線形回帰モデルおよびロジスティック回帰モデルへの応用についても検討する。
論文参考訳（メタデータ） (2024-10-21T09:39:10Z)
A Unified Theory of Stochastic Proximal Point Methods without Smoothness [52.30944052987393]
近点法はその数値的安定性と不完全なチューニングに対する頑健性からかなりの関心を集めている。本稿では,近位点法(SPPM)の幅広いバリエーションの包括的解析について述べる。
論文参考訳（メタデータ） (2024-05-24T21:09:19Z)
Towards Training Without Depth Limits: Batch Normalization Without Gradient Explosion [83.90492831583997]
バッチ正規化ネットワークは,信号伝搬特性を最適に保ちつつ,爆発的な勾配を回避することができることを示す。線形アクティベーションとバッチ正規化を備えた多層パーセプトロン(MLP)を用いて,有界深度を実証する。また、ある非線形活性化に対して同じ特性を経験的に達成する活性化整形法を設計する。
論文参考訳（メタデータ） (2023-10-03T12:35:02Z)
On Uniform Scalar Quantization for Learned Image Compression [17.24702997651976]
その結果,サロゲートとラウンドリングの相違が列車のミスマッチの原因となり,サロゲートによる勾配推定のリスクが生じた。解析により,推定量化潜在分布の分散に対する適切な下限を設定することで,列車のミスマッチを効果的に低減する2つの微妙なトリックが明らかになった。本手法は,様々な画像圧縮ネットワークにおいて,従来の量子化サロゲートよりも優れていることを示す。
論文参考訳（メタデータ） (2023-09-29T08:23:36Z)
Learning Discretized Neural Networks under Ricci Flow [48.47315844022283]
低精度重みとアクティベーションからなる離散ニューラルネットワーク(DNN)について検討する。 DNNは、訓練中に微分不可能な離散関数のために無限あるいはゼロの勾配に悩まされる。
論文参考訳（メタデータ） (2023-02-07T10:51:53Z)
Decimation technique for open quantum systems: a case study with driven-dissipative bosonic chains [62.997667081978825]
量子系の外部自由度への不可避結合は、散逸(非単体)ダイナミクスをもたらす。本稿では,グリーン関数の(散逸的な)格子計算に基づいて,これらのシステムに対処する手法を提案する。本手法のパワーを,複雑性を増大させる駆動散逸型ボゾン鎖のいくつかの例で説明する。
論文参考訳（メタデータ） (2022-02-15T19:00:09Z)
A Dynamical Central Limit Theorem for Shallow Neural Networks [48.66103132697071]
平均極限の周りのゆらぎは、トレーニングを通して平均正方形に有界であることを証明する。平均場ダイナミクスがトレーニングデータを補間する尺度に収束すると、最終的にCLTスケーリングにおいて偏差が消えることを示す。
論文参考訳（メタデータ） (2020-08-21T18:00:50Z)

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。