論文の概要: Non-Interfering Asymmetric AdamW Updates for Constrained Exploration of Equifinality in Hybrid Models

• arxiv url: http://arxiv.org/abs/2611.04756v1
• Date: Tue, 03 Nov 2026 12:07:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-09 13:43:48.58163
• Title: Non-Interfering Asymmetric AdamW Updates for Constrained Exploration of Equifinality in Hybrid Models
• Title（参考訳）: ハイブリッドモデルにおける不等質探索のための非干渉非対称AdamW更新
• Abstract要約: 本研究は,蒸発散と蒸発に分裂しながら全フラックスが観察される蒸発散について検討した。 ランダムなシードだけで構築されたモデルアンサンブルは、データの許容するパーティショニングの幅が狭いだけである。 本研究は,呼吸障害を予防し,呼吸障害を予防し,呼吸障害を予防し,呼吸障害を予防し,呼吸障害を予防し,予防的治療を施した。
• 参考スコア（独自算出の注目度）: 2.586100784625842
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Hybrid models let neural networks supply the unresolved parameters of a process-based simulator, and are fitted to observations that constrain aggregate fluxes and storages but not the internal partitioning that produces them. Such a fit is equifinal: configurations indistinguishable in the observed aggregates can disagree substantially about the unobserved internals, and therefore about the mechanism they attribute to the same data. We study evapotranspiration, whose total flux is observed while its split into transpiration and evaporation is not. A model ensemble built from random seeds alone spans only a narrow band of the partitionings the data admit. We produce the spread deliberately, training members under auxiliary repulsion on transpiration, subject to the fit to observations not degrading. Non-interference is usually arranged by making the auxiliary gradient orthogonal to the main one, but under AdamW the applied step is a preconditioned momentum direction, so orthogonality between raw gradients no longer implies it. We introduce Non-interfering Asymmetric Network Optimization (NANO), an update whose first-order effect on the main loss is exactly that of the main objective alone, whose auxiliary step is bounded, and which concentrates repulsion in the coordinates the main gradient leaves idle.
• Abstract（参考訳）: ハイブリッドモデルでは、ニューラルネットワークがプロセスベースのシミュレータの未解決パラメータを供給し、集約フローとストレージを制約するが、それらを生成する内部パーティショニングには適用されない。 このような適合性は等しく、観測された集合の中で区別できない構成は、観測されていない内部について、従ってそれらが同じデータに帰属する機構について、大きく異同することがある。 本研究は,蒸発散と蒸発に分裂しながら全フラックスが観察される蒸発散について検討した。 ランダムなシードだけで構築されたモデルアンサンブルは、データの許容するパーティショニングの幅が狭いだけである。 本研究は, 気道拡散を意図的に実施し, 呼吸の補助的反発下でのトレーニング部材を, 劣化しない観察に適合させる。 非干渉は通常、補助勾配を主勾配に直交させることによって配置されるが、AdamWの下では、適用されたステップは事前条件付き運動量方向であるため、原勾配間の直交性はもはやそれを意味するものではない。 非干渉非対称ネットワーク最適化 (Non-interfering Asymmetric Network Optimization, NNO) は、主損失に対する一階効果が、主目標のみの正当性であり、補助ステップが有界であり、主勾配葉のアイドルを座標の反発に集中させる更新である。

関連論文リスト

• FREESIA: Covariance-Aware Posterior Transport for Expressive and Scalable Data Assimilation [5.387311686961052]
  複雑なシステムのための訓練不要で正確な後部輸送法を提案する。 提案手法は, 複雑な後部構造を捕捉し, スパース, 非線形および非射影観察において精度を保っている。 スパースな非注入条件下では、RMSEは最高のベースラインに対して56%減少する。
  論文  参考訳（メタデータ） (2026-09-19T07:49:32Z)
• Impute-EM: Native Mixed-State Diffusion Models for Heterogeneous Data Imputation [71.74203645336385]
  Impute-EMは、現在のモデルとインプットされていないエントリを交換し、完了したデータに拡散バックボーンをリフィットする。 我々は、この更新を特徴付け、観測されたマスクインデクシングされた辺縁線が、その限界で目標と一致していることを示す。
  論文  参考訳（メタデータ） (2026-09-14T09:39:13Z)
• Scale-Consistent Posterior Dynamics for Diffusion Inverse Problems [16.685352002333225]
  事前訓練された拡散前の後方サンプリングは、一般に難易度成分を有する条件付きスコアによって管理される。 クリーン後部にターゲットが近づいた騒音条件付き経路が連続的なサロゲートSDEを生成することを示す。 FFHQ と ImageNet の100点評価実験により,超解像および分解能の競争再現性を示す。
  論文  参考訳（メタデータ） (2026-08-15T09:38:41Z)
• Incremental Aggregation on the Grassmannian for Asynchronous Eigenspace Computation [37.26483427088676]
  異種分散システムにおける有限サム固有空間計算の非同期最適化について検討する。 到着したコンポーネントのみをリフレッシュし、キャッシュされた勾配を再利用するグラスマン増分集約法を提案する。 直列および分散PCA実験は, 試料効率の向上と, 代表ベースライン上の壁面収束を実証した。
  論文  参考訳（メタデータ） (2026-08-05T03:21:38Z)
• ParetoPilot: Zero-Surrogate Offline Multi-Objective Optimization via Infer-Perturb-Guide Diffusion [28.29207284864795]
  オフラインMOOのための新しいゼロ代理拡散フレームワークを提案する。 パーターブガイドエンジンは、逆生成プロセスの無条件復調ステップ内でシームレスにインターリーブされる。 当社のアプローチは,超ボリューム改善を実現しつつ,データのプライバシを保護します。
  論文  参考訳（メタデータ） (2026-06-03T05:27:21Z)
• Departures: Distributional Transport for Single-Cell Perturbation Prediction with Neural Schrödinger Bridges [51.83259180910313]
  遺伝子機能解析における大きなボトルネックは、単細胞データの未成熟の性質である。 我々は、SB(Schrdinger Bridge)を近似して、単セル摂動データに対処する。 本モデルは,異種単一セル応答を効果的に捉え,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2025-11-17T08:27:13Z)
• Authentic Discrete Diffusion Model [72.31371542619121]
  認証離散拡散(ADD)フレームワークは、従来の擬似離散的アプローチを再定義する。 ADDはフロートエンコードされたワンホットクラスデータを直接使用して拡散入力を再構成する。 実験により、ADDはベースラインと比較して分類タスクにおいて優れた性能を発揮することが示された。
  論文  参考訳（メタデータ） (2025-10-01T15:51:10Z)
• Learning Linear Causal Representations from Interventions under General Nonlinear Mixing [52.66151568785088]
  介入対象にアクセスできることなく、未知の単一ノード介入を考慮し、強い識別可能性を示す。 これは、ディープニューラルネットワークの埋め込みに対する非ペアの介入による因果識別性の最初の例である。
  論文  参考訳（メタデータ） (2023-06-04T02:32:12Z)
• Score-based Causal Representation Learning with Interventions [54.735484409244386]
  本稿では,潜在因果変数を間接的に観察する際の因果表現学習問題について検討する。 目的は、 (i) 未知の線形変換(スケーリングまで)を回復し、 (ii) 潜在変数の下の有向非巡回グラフ(DAG)を決定することである。
  論文  参考訳（メタデータ） (2023-01-19T18:39:48Z)
• Log-Likelihood Ratio Minimizing Flows: Towards Robust and Quantifiable Neural Distribution Alignment [52.02794488304448]
  そこで本研究では,対数様比統計量と正規化フローに基づく新しい分布アライメント手法を提案する。 入力領域の局所構造を保存する領域アライメントにおいて,結果の最小化を実験的に検証する。
  論文  参考訳（メタデータ） (2020-03-26T22:10:04Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。