混合モデルを用いた可逆ニューラルネットワークの安定化【JST・京大機械翻訳】

Hagemann Paul; Neumayer Sebastian

プレプリント

J-GLOBAL ID：202202219567600617 整理番号：21P0047506

混合モデルを用いた可逆ニューラルネットワークの安定化【JST・京大機械翻訳】

Stabilizing Invertible Neural Networks Using Mixture Models

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 (2件)： ,
資料名：
発行年： 2020年09月07日プレプリントサーバーでの情報更新日： 2021年02月01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)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

本論文では,可逆ニューラルネットワークの特性を解析し,逆問題を解く方法を提供する。主な焦点は,対応する逆ネットワークのLipschitz定数の調査と制御にある。そのような制御なしで,数値シミュレーションは誤差の傾向があり,従来手法に対してあまり得られない。幸いなことに,この解析は,標準正規からGauss混合モデルへの潜在分布の変化により,Lipschitz定数の問題を解いたことを示した。実際,数値シミュレーションは,この修正がマルチモーダル応用におけるサンプリング品質を著しく改善することを確認した。【JST・京大機械翻訳】

, , ,
, , , 【Automatic Indexing@JST】

ニューロコンピュータ , システム・制御理論一般 , 人工知能

, ,

前のページに戻る