65C05」カテゴリーアーカイブ

Sampling Strategies in Bayesian Inversion: A Study of RTO and Langevin Methods

要約 この論文では、逆問題を解くための 2 つのクラスのサンプリング手法、つまり … 続きを読む

カテゴリー: 62C10, 62F15, 65C05, 65D18, 65K05, 65K10, 68Q25, 68U10, 90C25, cs.CV, eess.IV, math.ST, stat.TH | Sampling Strategies in Bayesian Inversion: A Study of RTO and Langevin Methods はコメントを受け付けていません

Deep Learning without Global Optimization by Random Fourier Neural Networks

要約 ランダムな複雑な指数関数的活性化関数を利用する、さまざまなディープ ニュー … 続きを読む

カテゴリー: 60J22, 65C05, 65C40, 65T40, 68T07, 90C15, cs.LG, cs.NA, math.NA, stat.ML | Deep Learning without Global Optimization by Random Fourier Neural Networks はコメントを受け付けていません

Sampling Strategies in Bayesian Inversion: A Study of RTO and Langevin Methods

要約 この論文では、逆問題を解くための 2 つのクラスのサンプリング手法、つまり … 続きを読む

カテゴリー: 62C10, 62F15, 65C05, 65D18, 65K05, 65K10, 68Q25, 68U10, 90C25, cs.CV, eess.IV, math.ST, stat.TH | Sampling Strategies in Bayesian Inversion: A Study of RTO and Langevin Methods はコメントを受け付けていません

Sampling Strategies in Bayesian Inversion: A Study of RTO and Langevin Methods

要約 この論文では、逆問題を解くための 2 つのクラスのサンプリング手法、つまり … 続きを読む

カテゴリー: 62C10, 62F15, 65C05, 65D18, 65K05, 65K10, 68Q25, 68U10, 90C25, cs.CV, eess.IV, math.ST, stat.TH | Sampling Strategies in Bayesian Inversion: A Study of RTO and Langevin Methods はコメントを受け付けていません

Taming Score-Based Diffusion Priors for Infinite-Dimensional Nonlinear Inverse Problems

要約 この研究では、関数空間でベイジアン逆問題を解決できるサンプリング手法を導入 … 続きを読む

カテゴリー: 60Hxx, 60Jxx, 62F15, 65C05, 65N21, 68Q32, 82C31, cs.LG, cs.NA, math.NA, stat.ML | Taming Score-Based Diffusion Priors for Infinite-Dimensional Nonlinear Inverse Problems はコメントを受け付けていません

Sliced-Wasserstein Estimation with Spherical Harmonics as Control Variates

要約 確率測度間のスライス・ワッサーシュタイン(SW)距離は、関連する一次元射影 … 続きを読む

カテゴリー: 65C05, 68Txx, cs.LG, secondary, stat.ML | Sliced-Wasserstein Estimation with Spherical Harmonics as Control Variates はコメントを受け付けていません

Convergence of stochastic gradient descent schemes for Lojasiewicz-landscapes

要約 この記事では、基礎となる状況に関する弱い仮定の下で、運動量確率的勾配降下法 … 続きを読む

カテゴリー: 60J20, 62L20, 65C05, cs.LG, math.PR, math.ST, stat.TH | Convergence of stochastic gradient descent schemes for Lojasiewicz-landscapes はコメントを受け付けていません

Learning Differentiable Particle Filter on the Fly

要約 微分可能粒子フィルターは、ニューラル ネットワークを使用して状態空間モデル … 続きを読む

カテゴリー: 62M05, 62M20, 62M45, 65C05, cs.LG | Learning Differentiable Particle Filter on the Fly はコメントを受け付けていません

Noise-Free Sampling Algorithms via Regularized Wasserstein Proximals

要約 ポテンシャル関数によって支配される分布からのサンプリングの問題を考えます。 … 続きを読む

カテゴリー: 62G07, 65C05, cs.LG, stat.CO, stat.ML | Noise-Free Sampling Algorithms via Regularized Wasserstein Proximals はコメントを受け付けていません