抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
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】