GAN,MFGおよびOTの接続【JST・京大機械翻訳】

Cao Haoyang; Guo Xin; Lauriere Mathieu

プレプリント

J-GLOBAL ID：202202212253863821 整理番号：21P0024146

GAN,MFGおよびOTの接続【JST・京大機械翻訳】

Connecting GANs, MFGs, and OT

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： 2020年02月10日プレプリントサーバーでの情報更新日： 2021年09月04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)

生成敵対ネットワーク(GAN)は,画像生成と処理において大きな成功を enjoy受し,最近,金融モデリングにおける関心が高まっている。本論文では,平均場ゲーム(MFG)と最適輸送の観点からGANを分析した。より具体的には,ゲーム理論の観点から,GANはPareto最適性基準または平均場制御の下でMFGとして解釈される。最適輸送展望から,GANは,既知の潜在分布から,データの未知の真の分布まで,発電機によって索引付けされた最適輸送コストを最小化することである。GANのMFG展望は,GANベースの計算手法(MFGANs)をMFGを解くのに導き,後方Hamilton-Jacobi-Bellman方程式のための1つのニューラルネットワークと前方Fokker-Planck方程式のための1つのニューラルネットワークを,敵対的方法で訓練された2つのニューラルネットワークを用いて,前進Fokker-Planck方程式のための1つのニューラルネットワークに導いた。数値実験は,既存のニューラルネットワーク手法と比較して,特に高次元事例において,この提案アルゴリズムの優れた性能を示した。【JST・京大機械翻訳】

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

ゲーム理論

前のページに戻る