逆問題のための生成モデルのための中間層の正則化訓練【JST・京大機械翻訳】

Gunn Sean; Cocola Jorio; Hand Paul

プレプリント

J-GLOBAL ID：202202212152903970 整理番号：22P0301032

逆問題のための生成モデルのための中間層の正則化訓練【JST・京大機械翻訳】

Regularized Training of Intermediate Layers for Generative Models for Inverse Problems

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2022年03月08日プレプリントサーバーでの情報更新日： 2022年03月08日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

逆問題を解くとき,生成的敵対ネットワーク(GANs)は強力で柔軟な先物であることが示されている。それらの利用の1つの課題は,任意の特別な信号を表すネットワークの基本的限界である表現誤差を克服することである。最近,多重提案反転アルゴリズムは,中間層表現を最適化することにより,表現誤差を低減する。これらの方法は,典型的には,下流逆変換アルゴリズムの訓練診断である生成モデルに適用される。本研究では,生成モデルが中間層の最適化に基づくアルゴリズムを用いて反転を意図する原理を導入し,それらの中間層を正則化する方法で訓練する必要がある。この原理を,2つの顕著な最近の反転アルゴリズム,即ち,中間層最適化とマルチコードGAN事前,に即座化した。これらの反転アルゴリズムの両者に対して,新しい正則化GAN訓練アルゴリズムを導入し,学習生成モデルが圧縮センシング,修復,および超解像問題を解くとき,サンプリング比の広い範囲にわたって,低い再構成誤差をもたらすことを実証した。【JST・京大機械翻訳】

, , , , , , , , , , ,
, , , 【Automatic Indexing@JST】

人工知能 , ニューロコンピュータ

, , , ,

前のページに戻る