アクールリサーチ

著者: ヤシュアン・ズー、ジエンウェン・シエ、イン・ニアン・ウー、ルイチ・ガオ
カンファレンス: 第12回学習表現に関する国際会議（ICLR）、2024年
‍
本研究は、協調拡散回復確率を利用してエネルギーベースのモデルを学習する革新的な方法を提示します。私たちのアプローチは、協調学習と拡散プロセスの強みを活用して、エネルギーベースのモデルのトレーニング効率と有効性を向上させます。
‍
論文を読む

著者: ウェイナン・ソン、ヤシュアン・ズー、レイ・ヘー、イン・ニアン・ウー、ジアンウェン・シエ
アーカイブ: ラクシウ、2024年
‍
マルチドメインの画像から画像への翻訳のための進歩的なエネルギーベースの協調学習フレームワークを提案します。この方法は、学習プロセスを段階的に改良することでドメイン適応と翻訳の課題に対処し、複数のドメインにわたって優れたパフォーマンスを実現します。

論文を読む

著者: Deqian Kong、Dehong Xu、Minglu Zhao、Bo Pang、Jianwen Xie、Andrew Lizarraga、Yuhao Huang、Sirui Xie、Ying Nian Wu

この論文では、計画を潜在変数推論として扱う新しいフレームワークである潜在計画トランスフォーマーを紹介します。私たちのアプローチは、トランスフォーマーと潜在変数モデルの長所を組み合わせて、複雑な環境における堅牢で効率的な計画を実現しています。

‍カンファレンス: 第38回神経情報処理システムに関するカンファレンス (NeurIPS 2024)

論文を読む

著者: コア・ドアン、ジアンウェン・シエ、ヤン・チャオ、ピン・リー

CooPashは、協調学習による教師付き画像ハッシュへの新しいアプローチを導入しています。変分マルコフ連鎖モンテカルロ (MCMC) の教えを活用することで、多目的記述子と対照ペアジェネレータを同時に最適化します。この革新的な手法により、画像ハッシュの効率と精度が向上し、この分野で大きな進歩を遂げました。

論文を読む

著者: ペイユ・ユー、ディンフアイ・チャン、ヘンジ・ヘー、シャオジアン・マ、ルイヤオ・ミャオ、イーファン・ルー、ヤシ・チャン、デキアン・コン、ルイチ・ガオ、ジアンウェン・シエ、グアン・チェン、イン・ニアン・ウー

この論文では、潜在エネルギーベースのオデッセイと呼ばれる新しいブラックボックス最適化手法を紹介します。このアプローチは、エネルギーベースの潜在空間内での探索を拡大し、最適化プロセスを強化することに焦点を当てています。この手法は、潜在空間のエネルギー環境を活用することで、最適化作業の効率と効果を向上させ、機械学習と最適化の分野で大きな進歩を遂げています。

論文を読む

著者: デキアン・コン、ユハオ・ホアン、ジアンウェン・シエ、エドゥアルド・ホーニグ、ミン・シュー、シュアンホン・シュー、ペイ・リン、サンピン・ジョウ、シェン・ジョン、南寧ツェン、イン・ニアン・ウー

分子設計という難しい問題に対応する新しい生成モデルである潜在プロンプトトランスフォーマー（LPT）を提案します。LPTは、単一目的、多目的、および構造に制約のある最適化タスクにわたって有用な分子を効果的に発見するだけでなく、サンプル効率も高いことが実験によって実証されています。

論文を読む