Fugu-MT 論文翻訳(概要): Transversal Pooling Neural Networks

論文の概要: Transversal Pooling Neural Networks

arxiv url: http://arxiv.org/abs/2609.36237v1
Date: Mon, 28 Sep 2026 20:31:58 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-30 21:28:47.003666
Title: Transversal Pooling Neural Networks
Title（参考訳）: トランスバーサルプールニューラルネットワーク
Abstract要約: 本稿では,空間最大プーリングをアフィン群に一般化する,エンフェバーサルプーリングニューラルネットワークを提案する。我々は,低データ環境におけるネットワークの有用性を実証し,熱帯性サイクロンの強度を予測する。
参考スコア（独自算出の注目度）: 4.469678940628626
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Many learning tasks require stability to small transformations while retaining sensitivity to larger ones. We introduce \emph{transversal pooling neural networks}, which generalize spatial max pooling to affine group actions. We establish equivariance to a chosen subgroup and derive explicit stability bounds for individual pooled wavelet coefficients under affine perturbations of the input. Experimentally, we demonstrate the utility of our networks in low-data environments and for predicting tropical cyclone intensification.
Abstract（参考訳）: 多くの学習タスクは、大きなタスクに対する感度を維持しながら、小さな変換に対する安定性を必要とする。空間最大プーリングをアフィン群作用に一般化する「emph{transversal pooling neural network」を導入する。入力のアフィン摂動の下で、選択された部分群に同値を確立し、個々のプールウェーブレット係数に対して明示的な安定性境界を導出する。実験により,低データ環境におけるネットワークの有用性を実証し,熱帯性サイクロン強度の予測を行った。

関連論文リスト

Neural Networks Provably Learn Spectral Representations for Group Composition [51.637084292404616]
ニューラルネットワークトレーニング中に内部構造がどのように現れるかを検討する。トレーニング力学は表現理論エネルギー汎関数上の勾配上昇によって支配されていることを証明する。このフレームワークは特徴学習の表現論的記述を提供し、新しい低ランク圧縮現象を特徴付ける。
論文参考訳（メタデータ） (2026-06-02T01:04:21Z)
Scattering Networks on Noncommutative Finite Groups [0.0]
群同変畳み込みニューラルネットワーク(G-CNN)の文脈において、任意の有限群(必ずしもアーベル群ではない)に散乱変換を導入する。ウェーブレット係数の特定の条件下では、散乱変換は非膨張性であり、変形下で安定であり、エネルギーを保ち、左右の群変換に対して同変であり、深さが大きくなるにつれて、散乱係数は信号の群変換に対する感度が低下することを示した。
論文参考訳（メタデータ） (2025-05-27T09:41:39Z)
Enhancing lattice kinetic schemes for fluid dynamics with Lattice-Equivariant Neural Networks [79.16635054977068]
我々はLattice-Equivariant Neural Networks (LENNs)と呼ばれる新しい同変ニューラルネットワークのクラスを提案する。我々の手法は、ニューラルネットワークに基づく代理モデルLattice Boltzmann衝突作用素の学習を目的とした、最近導入されたフレームワーク内で開発されている。本研究は,実世界のシミュレーションにおける機械学習強化Lattice Boltzmann CFDの実用化に向けて展開する。
論文参考訳（メタデータ） (2024-05-22T17:23:15Z)
Non Commutative Convolutional Signal Models in Neural Networks: Stability to Small Deformations [111.27636893711055]
非可換畳み込みフィルタのフィルタ特性と安定性について検討する。この結果は,グループニューラルネットワーク,マルチグラフニューラルネットワーク,四元系ニューラルネットワークに直接影響する。
論文参考訳（メタデータ） (2023-10-05T20:27:22Z)
Spike-and-slab shrinkage priors for structurally sparse Bayesian neural networks [0.16385815610837165]
スパースディープラーニングは、基礎となるターゲット関数のスパース表現を復元することで、課題に対処する。構造化された空間によって圧縮されたディープニューラルアーキテクチャは、低レイテンシ推論、データスループットの向上、エネルギー消費の削減を提供する。本研究では, (i) Spike-and-Slab Group Lasso (SS-GL) と (ii) Spike-and-Slab Group Horseshoe (SS-GHS) を併用した過剰ノードを誘発する構造的疎いベイズニューラルネットワークを提案する。
論文参考訳（メタデータ） (2023-08-17T17:14:18Z)
On the Shift Invariance of Max Pooling Feature Maps in Convolutional Neural Networks [7.812210699650151]
ガボル型フィルタによるサブサンプル畳み込みはエイリアスしがちであり、小さな入力シフトに敏感である。安定性を実現する上で,フィルタの周波数と向きが果たす重要な役割を強調した。二重ツリー複合ウェーブレットパケット変換に基づく決定論的特徴抽出器を設計し,本理論を実験的に検証する。
論文参考訳（メタデータ） (2022-09-19T08:15:30Z)
Hierarchical Spherical CNNs with Lifting-based Adaptive Wavelets for Pooling and Unpooling [101.72318949104627]
本稿では, 階層型畳み込みニューラルネットワーク(HS-CNN)の新たな枠組みを提案し, プールやアンプールのための適応球面ウェーブレットを学習する。 LiftHS-CNNは、画像レベルのタスクとピクセルレベルのタスクの両方において、より効率的な階層的特徴学習を実現する。
論文参考訳（メタデータ） (2022-05-31T07:23:42Z)
Stability of Neural Networks on Manifolds to Relative Perturbations [118.84154142918214]
グラフニューラルネットワーク(GNN)は多くの実践シナリオにおいて素晴らしいパフォーマンスを示している。 GNNは大規模グラフ上でうまくスケールすることができるが、これは既存の安定性がノード数とともに増加するという事実に矛盾する。
論文参考訳（メタデータ） (2021-10-10T04:37:19Z)
Deep Neural Networks and PIDE discretizations [2.4063592468412276]
畳み込みニューラルネットワーク(CNN)の安定性と視野問題に対処するニューラルネットワークを提案する。本稿では,大域重み付きラプラス作用素,分数ラプラス作用素,分数逆ラプラス作用素に関連する積分型空間非局所作用素を提案する。自律運転における画像分類データセットとセマンティックセグメンテーションタスクのベンチマーク上で,提案したニューラルネットワークの有効性を検証した。
論文参考訳（メタデータ） (2021-08-05T08:03:01Z)
Spatially Adaptive Inference with Stochastic Feature Sampling and Interpolation [72.40827239394565]
スパースサンプリングされた場所のみの機能を計算することを提案する。次に、効率的な手順で特徴写像を密に再構築する。提案したネットワークは、様々なコンピュータビジョンタスクの精度を維持しながら、かなりの計算を省くために実験的に示されている。
論文参考訳（メタデータ） (2020-03-19T15:36:31Z)

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。