COT-GAN:因果最適輸送による逐次データの生成【JST・京大機械翻訳】

Xu Tianlin; Wenliang Li K.; Munn Michael; Acciaio Beatrice

プレプリント

J-GLOBAL ID：202202215013146714 整理番号：22P0159513

COT-GAN:因果最適輸送による逐次データの生成【JST・京大機械翻訳】

COT-GAN: Generating Sequential Data via Causal Optimal Transport

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 (4件)： , , ,
資料名：
発行年： 2020年06月15日プレプリントサーバーでの情報更新日： 2020年10月21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)

COT-GANを導入し,逐次データを生成するために最適化した暗黙的生成モデルを訓練する敵対アルゴリズムである。このアルゴリズムの損失関数をCausal最適輸送(COT)からのアイデアを用いて定式化し,古典的最適輸送法と付加的時間的因果関係制約を組み合わせた。注目すべきことに,著者らは,この因果関係条件が,ロバスト(最悪ケース)距離として識別子によって学習されるコスト関数をパラメータ化するための自然フレームワークを提供し,時間に依存するデータ分布を学習するための理想的な機構を与えることを見出した。Genevay et al.(2011)に従って,最適輸送コストを計算するとき,Sinkornアルゴリズムの使用を可能にするエントロピーペナルティ項も含めた。著者らの実験は,低および高次元時系列データの両方を生成するとき,COT-GANの有効性と安定性を示した。また,アルゴリズムの成功は,学習におけるより少ないバイアスを示すSinkorn発散の新しい改良版に依存する。【JST・京大機械翻訳】

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

システム最適化手法

, , ,

前のページに戻る