このサイトではarxivの論文のうち、30ページ以下でCreative Commonsライセンス（CC 0, CC BY, CC BY-SA）の論文を日本語訳しています。 本文がCCでない論文、長すぎる論文はメタデータのみを翻訳しています。（arxivのメタデータは CC 0です。） 翻訳文のライセンスはCC BY-SA 4.0です。 翻訳にはFugu-Machine Translatorを利用しています。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。
公開日が20191227となっている論文です。
| Title | Authors | Abstract | 論文公表日・翻訳日 |
|---|---|---|---|
| # HTTP上の動的ビデオストリーミングのための非協調ゲーム理論に基づくレート適応 Non-Cooperative Game Theory Based Rate Adaptation for Dynamic Video Streaming over HTTP ( http://arxiv.org/abs/1912.11954v1 ) ライセンス: Link先を確認 | Hui Yuan, Huayong Fu, Ju Liu, Junhui Hou, and Sam Kwong | (参考訳) 動的Adaptive Streaming over HTTP (DASH)は、ネットワークの可変性を扱う能力のため、新興かつ有望なマルチメディアストリーミング技術であることが実証されている。
DASHベースのシステムでは,ユーザのQoE(Quality of Experience)やネットワーク利用などに影響を与えるため,レート適応機構が重要な役割を果たす。
本稿では,非協調ゲーム理論に基づいて,サーバの限られた輸出帯域幅をマルチユーザに最適に割り当て,公平性を保証したQoEを最大化するアルゴリズムを提案する。
提案アルゴリズムはプロキシフリーである。
具体的には、受信した映像品質、参照バッファ長、ユーザが蓄積したバッファ長など、さまざまな要因を考慮して、新規なユーザqoeモデルを導出する。
そして、理論的に証明されたナッシュ平衡が存在する非協力ゲームとして帯域競合問題を定式化する。
最後に,nash平衡を求めるために,安定性解析を用いた分散反復アルゴリズムを提案する。
最先端の手法と比較すると、シミュレーションと現実的なネットワークシナリオの両方で広範な実験結果が示され、提案手法はより高いqoeを生成することができ、全てのユーザの実際のバッファ長がほぼ最適な状態、すなわち、常に参照バッファを動き回る。
また,提案アルゴリズムは再生中断を発生しない。 Dynamic Adaptive Streaming over HTTP (DASH) has demonstrated to be an emerging and promising multimedia streaming technique, owing to its capability of dealing with the variability of networks. Rate adaptation mechanism, a challenging and open issue, plays an important role in DASH based systems since it affects Quality of Experience (QoE) of users, network utilization, etc. In this paper, based on non-cooperative game theory, we propose a novel algorithm to optimally allocate the limited export bandwidth of the server to multi-users to maximize their QoE with fairness guaranteed. The proposed algorithm is proxy-free. Specifically, a novel user QoE model is derived by taking a variety of factors into account, like the received video quality, the reference buffer length, and user accumulated buffer lengths, etc. Then, the bandwidth competing problem is formulated as a non-cooperation game with the existence of Nash Equilibrium that is theoretically proven. Finally, a distributed iterative algorithm with stability analysis is proposed to find the Nash Equilibrium. Compared with state-of-the-art methods, extensive experimental results in terms of both simulated and realistic networking scenarios demonstrate that the proposed algorithm can produce higher QoE, and the actual buffer lengths of all users keep nearly optimal states, i.e., moving around the reference buffer all the time. Besides, the proposed algorithm produces no playback interruption. | 翻訳日:2023-06-10 00:23:10 公開日:2019-12-27 |
| # 画像処理と機械学習によるアプリコット多様性分類 Apricot variety classification using image processing and machine learning approaches ( http://arxiv.org/abs/1912.11953v1 ) ライセンス: Link先を確認 | Seyed Vahid Mirnezami, Ali HamidiSepehr and Mahdi Ghaebi | (参考訳) ズルダリ(Zerdali)の栽培種であるアプリコトは、人間の栄養に重要な位置を占め、その医療的特性は人間の健康に不可欠である。
本研究の目的は, 果実の外部特性を用いた画像処理技術を用いて, プリコト質量モデルとプリコト品種を分離することである。
本研究は,5種類のアプリコトを用いた。
果実のサイズを決定するために, 長さ, 幅, 厚さの3つの垂直軸が定義された。
測定の結果,全特性に対する多様性の影響は1%の確率レベルで統計的に有意であった。
また,画像処理による推定次元と実際の次元との間に有意な差は認められなかった。
開発したシステムは、デジタルカメラ、光拡散室、距離調整台座、パーソナルコンピュータからなる。
デジタルカメラで撮影した画像は、さらなる分析のために(RGB)として保存された。
画像は、各品種の49種類のサンプルを3方向に撮影した。
r2 = 0.97 で長さと幅に基づいてアプリコット質量を計算するために線形方程式が推奨される。
また, c-meansを用いたanfisモデルは, 3つの垂直面の長さ, 幅, 厚さ, 質量, 投影面積などの物理的特徴からアプリコット多様体を分類する最善のモデルであった。
このモデルの精度は87.7であった。 Apricot which is a cultivated type of Zerdali (wild apricot) has an important place in human nutrition and its medical properties are essential for human health. The objective of this research was to obtain a model for apricot mass and separate apricot variety with image processing technology using external features of apricot fruit. In this study, five verities of apricot were used. In order to determine the size of the fruits, three mutually perpendicular axes were defined, length, width, and thickness. Measurements show that the effect of variety on all properties was statistically significant at the 1% probability level. Furthermore, there is no significant difference between the estimated dimensions by image processing approach and the actual dimensions. The developed system consists of a digital camera, a light diffusion chamber, a distance adjustment pedestal, and a personal computer. Images taken by the digital camera were stored as (RGB) for further analysis. The images were taken for a number of 49 samples of each cultivar in three directions. A linear equation is recommended to calculate the apricot mass based on the length and the width with R 2 = 0.97. In addition, ANFIS model with C-means was the best model for classifying the apricot varieties based on the physical features including length, width, thickness, mass, and projected area of three perpendicular surfaces. The accuracy of the model was 87.7. | 翻訳日:2023-06-10 00:22:47 公開日:2019-12-27 |
| # 量子アニールモデルにおけるコヒーレント触媒によるエネルギーギャップスケーリングの低減 Reduction of the energy-gap scaling by coherent catalysis in models of quantum annealing ( http://arxiv.org/abs/1912.11952v1 ) ライセンス: Link先を確認 | Yang Wei Koh and Hidetoshi Nishimori | (参考訳) 非stoquasticドライバは、いくつかの平均場型モデルシステムにおいて、第1次相転移を第2次相転移に還元することで量子アニーリングの性能を向上させることが知られている。
それにもかかわらず、統計力学的解析により、ターゲットハミルトニアンの中には、非ストーカスティックなドライバでも避けられない一階遷移を示すものもあり、量子アニーリングでは解決が困難であることが示された。
近年,Durkin [Phys]によりコヒーレント触媒機構が提案されている。
A \textbf{99}, 032315 (2019)] では、エネルギーギャップが2階遷移に対して期待通りに多項式的にスケールする一階相転移の直線上の特定の点の存在を示した。
熱力学限界における位相遷移の順序が変化しないいくつかの平均場型最適化問題において、この現象が観測されることを示す。
これにより、これまで量子アニーリングが指数関数的に遅いと考えられていた系の指数速度アップを探索するためにコヒーレント触媒を用いる可能性が開ける。 Non-stoquastic drivers are known to improve the performance of quantum annealing by reducing first-order phase transitions into second-order ones in several mean-field-type model systems. Nevertheless, statistical-mechanical analysis shows that some target Hamiltonians still exhibit unavoidable first-order transitions even with non-stoquastic drivers, making them difficult for quantum annealing to solve. Recently, a mechanism called coherent catalysis was proposed by Durkin [Phys. Rev. A \textbf{99}, 032315 (2019)], in which he showed the existence of a particular point on the line of first-order phase transitions where the energy gap scales polynomially as expected for a second-order transition. We show by extensive numerical computations that this phenomenon is observed in a few additional mean-field-type optimization problems where non-stoquastic drivers fail to change the order of phase transition in the thermodynamic limit. This opens up the possibility of using coherent catalysis to search for exponential speedups in systems previously thought to be exponentially slow for quantum annealing to solve. | 翻訳日:2023-06-10 00:22:25 公開日:2019-12-27 |
| # HoMM: 教師なしドメイン適応のための高次モーメントマッチング HoMM: Higher-order Moment Matching for Unsupervised Domain Adaptation ( http://arxiv.org/abs/1912.11976v1 ) ライセンス: Link先を確認 | Chao Chen, Zhihang Fu, Zhihong Chen, Sheng Jin, Zhaowei Cheng, Xinyu Jin, Xian-Sheng Hua | (参考訳) 異なるドメイン間の特徴分布の差を最小化することは、教師なしドメイン適応において最も有望な方向の1つである。
分布マッチングの観点からは、既存の非ガウス分布に対する統計特性の限定的な表現を持つ2次または低い統計量に対応するように、既存の不一致に基づく手法がほとんどである。
本研究では,高次統計量(主に3次・4次統計量)をドメインマッチングに用いる利点について検討する。
本稿では,高次モーメントマッチング(HoMM)法を提案し,さらにHMMをカーネルヒルベルト空間(RKHS)に拡張する。
特に,提案したHoMMは任意の次モーメントテンソルマッチングを行うことができ,第1次HoMMは最大平均離散(MMD)と等価であり,第2次HoMMは相関アライメント(CORAL)と等価であることを示す。
さらに、3階と4階のモーメントテンソルマッチングは、より複雑な非ガウス分布を近似できるので、包括的な領域アライメントが期待できる。
さらに、擬似ラベル付きターゲットサンプルを利用して、対象領域における識別表現を学習し、転送性能をさらに向上する。
大規模な実験を行い,提案したHoMMが既存のモーメントマッチング手法よりずっと優れていることを示した。
コードは \url{https://github.com/chenchao666/HoMM-Master} で入手できる。 Minimizing the discrepancy of feature distributions between different domains is one of the most promising directions in unsupervised domain adaptation. From the perspective of distribution matching, most existing discrepancy-based methods are designed to match the second-order or lower statistics, which however, have limited expression of statistical characteristic for non-Gaussian distributions. In this work, we explore the benefits of using higher-order statistics (mainly refer to third-order and fourth-order statistics) for domain matching. We propose a Higher-order Moment Matching (HoMM) method, and further extend the HoMM into reproducing kernel Hilbert spaces (RKHS). In particular, our proposed HoMM can perform arbitrary-order moment tensor matching, we show that the first-order HoMM is equivalent to Maximum Mean Discrepancy (MMD) and the second-order HoMM is equivalent to Correlation Alignment (CORAL). Moreover, the third-order and the fourth-order moment tensor matching are expected to perform comprehensive domain alignment as higher-order statistics can approximate more complex, non-Gaussian distributions. Besides, we also exploit the pseudo-labeled target samples to learn discriminative representations in the target domain, which further improves the transfer performance. Extensive experiments are conducted, showing that our proposed HoMM consistently outperforms the existing moment matching methods by a large margin. Codes are available at \url{https://github.com/chenchao666/HoMM-Master} | 翻訳日:2023-06-10 00:17:35 公開日:2019-12-27 |
| # 臨床XLNet : 逐次臨床ノートのモデル化と機械的換気の長期予測 Clinical XLNet: Modeling Sequential Clinical Notes and Predicting Prolonged Mechanical Ventilation ( http://arxiv.org/abs/1912.11975v1 ) ライセンス: Link先を確認 | Kexin Huang, Abhishek Singh, Sitong Chen, Edward T. Moseley, Chih-ying Deng, Naomi George, Charlotta Lindvall | (参考訳) 臨床ノートにはリッチなデータが含まれており、構造化データと比較して予測モデリングでは説明できない。
そこで本研究では, 臨床ノートの時系列情報を活用し, 臨床ノート用テキスト表現用臨床用xlnetを開発した。
長期の機械的換気予測問題に対する本モデルの評価を行い,臨床XLNetが最良基準線を一貫して上回ることを示した。 Clinical notes contain rich data, which is unexploited in predictive modeling compared to structured data. In this work, we developed a new text representation Clinical XLNet for clinical notes which also leverages the temporal information of the sequence of the notes. We evaluated our models on prolonged mechanical ventilation prediction problem and our experiments demonstrated that Clinical XLNet outperforms the best baselines consistently. | 翻訳日:2023-06-10 00:16:52 公開日:2019-12-27 |
| # メッセージパッシングによる進化的クラスタリング Evolutionary Clustering via Message Passing ( http://arxiv.org/abs/1912.11970v1 ) ライセンス: Link先を確認 | Natalia M. Arzeno, Haris Vikalo | (参考訳) 私たちはしばしば、時間とともに進化するクラスタリングオブジェクトに興味を持ち、毎回クラスタリング問題の解決策を見つけます。
進化的クラスタリングは、クラスタの進化とクラスタメンバシップの時間的変化に対する洞察を提供し、異なる時点に収集されたデータを独立してクラスタリングすることで達成したパフォーマンスよりも優れたパフォーマンスを実現する。
本稿では,因子グラフ上でメッセージを交換することでデータポイントをグループ化する進化的クラスタリングアルゴリズムである進化的親和性伝播(eap)を提案する。
eapは、隣接するデータスナップショットに関連付けられたファクタグラフのノードをリンクすることで、時間発展データに対するソリューションの時間的平滑性を促進し、クラスタの誕生と死の追跡と識別を可能にするコンセンサスノードを導入する。
クラスタ数を近似するために追加処理を必要とする既存の進化的クラスタリング手法とは異なり、eapはクラスタ数を決定し、自動的に追跡する。
シミュレーションデータと実験データの比較により,提案手法の有効性が示された。 We are often interested in clustering objects that evolve over time and identifying solutions to the clustering problem for every time step. Evolutionary clustering provides insight into cluster evolution and temporal changes in cluster memberships while enabling performance superior to that achieved by independently clustering data collected at different time points. In this paper we introduce evolutionary affinity propagation (EAP), an evolutionary clustering algorithm that groups data points by exchanging messages on a factor graph. EAP promotes temporal smoothness of the solution to clustering time-evolving data by linking the nodes of the factor graph that are associated with adjacent data snapshots, and introduces consensus nodes to enable cluster tracking and identification of cluster births and deaths. Unlike existing evolutionary clustering methods that require additional processing to approximate the number of clusters or match them across time, EAP determines the number of clusters and tracks them automatically. A comparison with existing methods on simulated and experimental data demonstrates effectiveness of the proposed EAP algorithm. | 翻訳日:2023-06-10 00:16:35 公開日:2019-12-27 |
| # 生成型adversarial networkに基づく単一目標追跡アルゴリズム A single target tracking algorithm based on Generative Adversarial Networks ( http://arxiv.org/abs/1912.11967v1 ) ライセンス: Link先を確認 | Zhaofu Diao | (参考訳) 単一目標追跡フィールドでは、オクルージョンが追跡対象の喪失につながるのは、ユビキタスで困難な問題である。
この問題を解決するために,排除防止機能を持つ単一目標追跡アルゴリズムを提案する。
本アルゴリズムの主な内容は,領域提案ネットワークを用いて追跡対象と潜在的な干渉を抽出し,干渉対象が対象を遮蔽するか否かを判断するためにオクルージョン認識モジュールを用いることである。
閉塞が起こらない場合は追跡を続ける。
閉塞が発生した場合、予測モジュールが起動され、閉塞前の動き軌跡に応じて後続フレームにおける目標の運動軌跡が予測される。
予測モジュールによって得られた結果は、元の追跡アルゴリズムによって得られた目標位置特徴を置き換えるために使用される。
そこで我々は,オクルージョンが追跡アルゴリズムに目標を失う原因となる問題を解く。
実際の性能では、アルゴリズムは隠蔽されたデータセットのターゲットを追跡できる。
VOT2018データセットでは、私たちのアルゴリズムはEAOが0.421、精度が0.67、ロバストが0.186である。
SiamRPN ++と比較して、それぞれ1.69%、11.67%、9.3%増加した。 In the single target tracking field, occlusion leads to the loss of tracking targets is a ubiquitous and arduous problem. To solve this problem, we propose a single target tracking algorithm with anti-occlusion capability. The main content of our algorithm is to use the Region Proposal Network to obtain the tracked target and potential interferences, and use the occlusion awareness module to judge whether the interfering object occludes the target. If no occlusion occurs, continue tracking. If occlusion occurs, the prediction module is started, and the motion trajectory of the target in subsequent frames is predicted according to the motion trajectory before occlusion. The result obtained by the prediction module is used to replace the target position feature obtained by the original tracking algorithm. So we solve the problem that the occlusion causes the tracking algorithm to lose the target. In actual performance, our algorithm can successfully track the target in the occluded dataset. On the VOT2018 dataset, our algorithm has an EAO of 0.421, an Accuracy of 0.67, and a Robustness of 0.186. Compared with SiamRPN ++, they increased by 1.69%, 11.67% and 9.3%, respectively. | 翻訳日:2023-06-10 00:15:57 公開日:2019-12-27 |
| # 脳転移の深層学習におけるMRI入力データの処理 : 多施設共同研究 Handling Missing MRI Input Data in Deep Learning Segmentation of Brain Metastases: A Multi-Center Study ( http://arxiv.org/abs/1912.11966v1 ) ライセンス: Link先を確認 | Endre Gr{\o}vik, Darvin Yi, Michael Iv, Elizabeth Tong, Line Brennhaug Nilsen, Anna Latysheva, Cathrine Saxhaug, Kari Dolven Jacobsen, {\AA}slaug Helland, Kyrre Eeg Emblem, Daniel Rubin, Greg Zaharchuk | (参考訳) 本研究の目的は,脳転移の検出と分節化のための新しいDropOutモデルの臨床的価値を評価することであり,入力ドロップアウト層を用いて4つのMRIシークエンスでニューラルネットワークをトレーニングすることにより,入力データの全セットと可能なサブセットをトレーニングすることで,欠落したMRIデータのシナリオをシミュレートすることであった。
脳転移165例を多施設共同研究により検討した。
深層学習に基づくDropOutという脳転移自動分類のためのセグメンテーションモデルが,100例のMRIで訓練され,10/55例で検証・検査された。
セグメンテーションの結果は最先端のDeepLabV3モデルの性能と比較された。
トレーニングセット内のmrシーケンスには,前および後ガドリニウム (gd) t1重み付き3d高速スピンエコー, ポストgd t1重み付きインバージョンリカバリ (ir) の高速重み付き勾配エコー, 3d流体減衰インバージョンリカバリ (flair) があったが, テストセットにはirプリッピング画像シリーズは含まれていない。
基礎的な真実は経験豊富な神経放射線学者によって確立された。
結果は精度,リコール,Diceスコア,レシーバ動作特性(ROC)曲線統計を用いて評価し,ウィルコクソンランク和試験を用いて2つのニューラルネットワークの性能を比較した。
ROC曲線 (AUC) では、DropOutモデルでは0.989+-0.029、DeepLabV3モデルでは0.989+-0.023であった(p=0.62)。
ドロップアウトモデルでは,deeplabv3モデル (0.795+-0.105 vs. 0.774+-0.104, p=0.017) と比較して有意に高いダイススコアを示した。
DropOutモデルは、MRI入力データがないテストコホートであっても、マルチセンターベースで脳転移の正確な検出とセグメンテーションを容易にする。 The purpose was to assess the clinical value of a novel DropOut model for detecting and segmenting brain metastases, in which a neural network is trained on four distinct MRI sequences using an input dropout layer, thus simulating the scenario of missing MRI data by training on the full set and all possible subsets of the input data. This retrospective, multi-center study, evaluated 165 patients with brain metastases. A deep learning based segmentation model for automatic segmentation of brain metastases, named DropOut, was trained on multi-sequence MRI from 100 patients, and validated/tested on 10/55 patients. The segmentation results were compared with the performance of a state-of-the-art DeepLabV3 model. The MR sequences in the training set included pre- and post-gadolinium (Gd) T1-weighted 3D fast spin echo, post-Gd T1-weighted inversion recovery (IR) prepped fast spoiled gradient echo, and 3D fluid attenuated inversion recovery (FLAIR), whereas the test set did not include the IR prepped image-series. The ground truth were established by experienced neuroradiologists. The results were evaluated using precision, recall, Dice score, and receiver operating characteristics (ROC) curve statistics, while the Wilcoxon rank sum test was used to compare the performance of the two neural networks. The area under the ROC curve (AUC), averaged across all test cases, was 0.989+-0.029 for the DropOut model and 0.989+-0.023 for the DeepLabV3 model (p=0.62). The DropOut model showed a significantly higher Dice score compared to the DeepLabV3 model (0.795+-0.105 vs. 0.774+-0.104, p=0.017), and a significantly lower average false positive rate of 3.6/patient vs. 7.0/patient (p<0.001) using a 10mm3 lesion-size limit. The DropOut model may facilitate accurate detection and segmentation of brain metastases on a multi-center basis, even when the test cohort is missing MRI input data. | 翻訳日:2023-06-10 00:15:39 公開日:2019-12-27 |
| # DeGAN : 訓練された分類器から代表サンプルを取得するためのデータ強化型GAN DeGAN : Data-Enriching GAN for Retrieving Representative Samples from a Trained Classifier ( http://arxiv.org/abs/1912.11960v1 ) ライセンス: Link先を確認 | Sravanti Addepalli, Gaurav Kumar Nayak, Anirban Chakraborty, R. Venkatesh Babu | (参考訳) このデジタル情報爆発の時代には、大量のモダリティから大量のデータが生成され、日々アーカイブされている。
しかし、ディープニューラルネットワークのトレーニングに関連するほとんどの問題は、与えられたタスクに十分なリッチなデータの欠如にかかっている。
データは、初期モデルのトレーニングだけでなく、モデル圧縮やインクリメンタルラーニングといった将来の学習タスクにも必要である。
多様なデータセットは初期モデルのトレーニングに使用できるが、データのプライバシの問題やメモリの制約のため、製品ライフサイクル全体にわたって格納することは不可能である。
そこで本稿では,訓練されたネットワークの今後の学習課題に対して,利用可能なデータ量と関連するデータ不足のギャップを埋めることを提案する。
既存のトレーニングデータセットや関連するドメインデータセットの不均衡サブセットである利用可能なデータを使用して、新しいデータエンリッチgan(degan)フレームワークを使用して、トレーニングされた分類器から代表サンプルを取得する。
ベンチマークデータセットにおけるデータフリーな知識蒸留とインクリメンタルラーニングのタスクにおいて、関連するドメインのデータを最先端のパフォーマンスを達成するために活用できることを実証する。
さらに,提案するフレームワークは,無関係な領域からでも任意のデータを強化し,ネットワークの今後の学習タスクに役立てることができることを実証する。 In this era of digital information explosion, an abundance of data from numerous modalities is being generated as well as archived everyday. However, most problems associated with training Deep Neural Networks still revolve around lack of data that is rich enough for a given task. Data is required not only for training an initial model, but also for future learning tasks such as Model Compression and Incremental Learning. A diverse dataset may be used for training an initial model, but it may not be feasible to store it throughout the product life cycle due to data privacy issues or memory constraints. We propose to bridge the gap between the abundance of available data and lack of relevant data, for the future learning tasks of a given trained network. We use the available data, that may be an imbalanced subset of the original training dataset, or a related domain dataset, to retrieve representative samples from a trained classifier, using a novel Data-enriching GAN (DeGAN) framework. We demonstrate that data from a related domain can be leveraged to achieve state-of-the-art performance for the tasks of Data-free Knowledge Distillation and Incremental Learning on benchmark datasets. We further demonstrate that our proposed framework can enrich any data, even from unrelated domains, to make it more useful for the future learning tasks of a given network. | 翻訳日:2023-06-10 00:14:50 公開日:2019-12-27 |
| # クラウドファンディングのダイナミクス追跡:強化学習アプローチ Crowdfunding Dynamics Tracking: A Reinforcement Learning Approach ( http://arxiv.org/abs/1912.12016v1 ) ライセンス: Link先を確認 | Jun Wang, Hefu Zhang, Qi Liu, Zhen Pan, Hanqing Tao | (参考訳) 近年、クラウドファンディングメカニズムの研究への関心が高まっている。
この領域では、動的追跡は重大な問題であるが、まだ探索中である。
既存の研究は時系列のゆらぎに適合するか、学習傾向を制限するために正規化項を用いるかのどちらかである。
しかし、投資家とクラウドファンディングのダイナミクスの間の固有の意思決定プロセスを考慮する人は少ない。
そこで本研究では,クラウドファンディングにおける資金調達の進捗を予測するために,Trjectory-based Continuous Control for Crowdfunding (TC3)アルゴリズムを提案する。
具体的には、投資家とキャンペーンの関係をモデル化するためにアクター批判的なフレームワークが使用され、そこではすべての投資家が、キャンペーンの実際のダイナミクスに由来する環境と対話できるエージェントと見なされる。
次に、ファイナンスシリーズにおけるパターン(典型的文字)の深い影響をさらに探求するため、$\textit{fast- growing}$と$\textit{slow- growing}$のパターンに分割することを提案する。
さらに、異なる種類のパターンから切り替えるために、TC3のアクターコンポーネントはオプションの構造で拡張され、TC3-Optionsとなる。
最後に、Indiegogoデータセットに関する広範な実験は、我々の手法の有効性を実証するだけでなく、TC3-Optionsが学習したパターン全体がU字型であることの仮定を検証する。 Recent years have witnessed the increasing interests in research of crowdfunding mechanism. In this area, dynamics tracking is a significant issue but is still under exploration. Existing studies either fit the fluctuations of time-series or employ regularization terms to constrain learned tendencies. However, few of them take into account the inherent decision-making process between investors and crowdfunding dynamics. To address the problem, in this paper, we propose a Trajectory-based Continuous Control for Crowdfunding (TC3) algorithm to predict the funding progress in crowdfunding. Specifically, actor-critic frameworks are employed to model the relationship between investors and campaigns, where all of the investors are viewed as an agent that could interact with the environment derived from the real dynamics of campaigns. Then, to further explore the in-depth implications of patterns (i.e., typical characters) in funding series, we propose to subdivide them into $\textit{fast-growing}$ and $\textit{slow-growing}$ ones. Moreover, for the purpose of switching from different kinds of patterns, the actor component of TC3 is extended with a structure of options, which comes to the TC3-Options. Finally, extensive experiments on the Indiegogo dataset not only demonstrate the effectiveness of our methods, but also validate our assumption that the entire pattern learned by TC3-Options is indeed the U-shaped one. | 翻訳日:2023-06-10 00:06:25 公開日:2019-12-27 |
| # マルチモーダル機械翻訳のための視覚合意正規化訓練 Visual Agreement Regularized Training for Multi-Modal Machine Translation ( http://arxiv.org/abs/1912.12014v1 ) ライセンス: Link先を確認 | Pengcheng Yang, Boxing Chen, Pei Zhang, Xu Sun | (参考訳) マルチモーダル機械翻訳は、ペア画像の存在下で、ソース文を別の言語に翻訳することを目的としている。
以前の研究は、追加の視覚情報が翻訳に役立ち、曖昧な単語の翻訳のような特別なケースで必要とされることを示唆している。
視覚情報をよりよく利用するために,本研究は視覚合意正規化トレーニングを提案する。
提案手法は、ソース・トゥ・ターゲットとターゲット・トゥ・ソースの翻訳モデルを共同で訓練し、意味論的に等価な視覚的単語(例えば、英語で"ball"、フランス語で"ballon")を生成する際に、視覚的情報に同じ焦点を移すことを促す。
さらに、視覚的特徴とテキスト的特徴の相互作用を捉えるために、シンプルで効果的なマルチヘッドコアテンションモデルも導入された。
その結果,当社のアプローチは,競合ベースラインを,マルチ30kデータセットにおいて大きなマージンで上回ることができることがわかった。
さらに, 画像に対する注意の一致を効果的に改善でき, 視覚情報の利用が向上することを示す。 Multi-modal machine translation aims at translating the source sentence into a different language in the presence of the paired image. Previous work suggests that additional visual information only provides dispensable help to translation, which is needed in several very special cases such as translating ambiguous words. To make better use of visual information, this work presents visual agreement regularized training. The proposed approach jointly trains the source-to-target and target-to-source translation models and encourages them to share the same focus on the visual information when generating semantically equivalent visual words (e.g. "ball" in English and "ballon" in French). Besides, a simple yet effective multi-head co-attention model is also introduced to capture interactions between visual and textual features. The results show that our approaches can outperform competitive baselines by a large margin on the Multi30k dataset. Further analysis demonstrates that the proposed regularized training can effectively improve the agreement of attention on the image, leading to better use of visual information. | 翻訳日:2023-06-10 00:06:01 公開日:2019-12-27 |
| # バイアスによる大学院雇用予測 Graduate Employment Prediction with Bias ( http://arxiv.org/abs/1912.12012v1 ) ライセンス: Link先を確認 | Teng Guo, Feng Xia, Shihao Zhen, Xiaomei Bai, Dongyu Zhang, Zitao Liu, Jiliang Tang | (参考訳) 大学生の就職が失敗すると、飲酒や自殺などの深刻な社会的影響が生じる可能性がある。
アカデミック・パフォーマンスに加えて、無意識のバイアスは大学院生の就職活動にとって重要な障害となる可能性がある。
したがって、これらの無意識バイアスを理解し、よりパーソナライズされた介入により、これらの学生を早期に支援する必要がある。
本稿では,偏りを考慮しながら学生の就業状況を予測する枠組み,すなわちマヤ(multi-major employment status)を開発した。
フレームワークは4つの主要なコンポーネントで構成される。
まず,学業成果を統一空間に組み込むことにより,学生コースの多様性を解消する。
次に、クラス不均衡問題を克服するために生成逆ネットワーク(gan)を適用する。
第3に,セメータ間のシーケンシャル情報を包括的にキャプチャする新しいドロップアウト機構を備えたLong Short-Term Memory(LSTM)を採用する。
最後に、雇用市場のバイアスを捉えるためにバイアスベースの正規化を設計する。
大規模教育データセットについて広範な実験を行い,予測フレームワークの有効性を実証した。 The failure of landing a job for college students could cause serious social consequences such as drunkenness and suicide. In addition to academic performance, unconscious biases can become one key obstacle for hunting jobs for graduating students. Thus, it is necessary to understand these unconscious biases so that we can help these students at an early stage with more personalized intervention. In this paper, we develop a framework, i.e., MAYA (Multi-mAjor emploYment stAtus) to predict students' employment status while considering biases. The framework consists of four major components. Firstly, we solve the heterogeneity of student courses by embedding academic performance into a unified space. Then, we apply a generative adversarial network (GAN) to overcome the class imbalance problem. Thirdly, we adopt Long Short-Term Memory (LSTM) with a novel dropout mechanism to comprehensively capture sequential information among semesters. Finally, we design a bias-based regularization to capture the job market biases. We conduct extensive experiments on a large-scale educational dataset and the results demonstrate the effectiveness of our prediction framework. | 翻訳日:2023-06-10 00:05:41 公開日:2019-12-27 |
| # 時間的インフォームドアテンションネットワークによる北京オペラの表現性の合成 Synthesising Expressiveness in Peking Opera via Duration Informed Attention Network ( http://arxiv.org/abs/1912.12010v1 ) ライセンス: Link先を確認 | Yusong Wu, Shengchen Li, Chengzhu Yu, Heng Lu, Chao Weng, Liqiang Zhang, Dong Yu | (参考訳) 本稿では,北京オペラの歌声を表現的に生成する手法を提案する。
表現的なオペラ歌唱の合成は、通常、手動でラベル付けできない技術に依存する訓練データとして、ピッチの輪郭を抽出する必要がある。
本論文は,継続時間インフォームド・アテンション・ネットワーク(durian)を用いて,歌唱合成のためのピッチ輪郭の代わりに音符を用いる。
提案手法は,人間のアノテーションと自動抽出した特徴をトレーニングデータとして組み合わせることで,北京歌唱合成のためのデータ収集にさらなる柔軟性を与える。
ピッチ輪郭ベースシステムにより合成された北京オペラの表現力の高い歌声と比較し,提案する楽譜ベースのシステムは,様々な面において表現力のある北京オペラの歌声に匹敵する性能を持つ。 This paper presents a method that generates expressive singing voice of Peking opera. The synthesis of expressive opera singing usually requires pitch contours to be extracted as the training data, which relies on techniques and is not able to be manually labeled. With the Duration Informed Attention Network (DurIAN), this paper makes use of musical note instead of pitch contours for expressive opera singing synthesis. The proposed method enables human annotation being combined with automatic extracted features to be used as training data thus the proposed method gives extra flexibility in data collection for Peking opera singing synthesis. Comparing with the expressive singing voice of Peking opera synthesised by pitch contour based system, the proposed musical note based system produces comparable singing voice in Peking opera with expressiveness in various aspects. | 翻訳日:2023-06-10 00:05:03 公開日:2019-12-27 |
| # 高速一般化行列回帰と機械学習への応用 Fast Generalized Matrix Regression with Applications in Machine Learning ( http://arxiv.org/abs/1912.12008v1 ) ライセンス: Link先を確認 | Haishan Ye, Shusen Wang, Zhihua Zhang, Tong Zhang | (参考訳) 高速行列アルゴリズムは、ビッグデータ時代の機械学習の基本的なツールとなっている。
一般化行列回帰問題は、CUR分解、カーネル行列近似、ストリーム特異値分解(SVD)などの行列近似において広く用いられている。
本稿では,スケッチ技術を用いてGMR問題を効率的に解く高速一般化行列回帰アルゴリズム(Fast GMR)を提案する。
誤差パラメータが 0<\epsilon<1$ であれば、Fast GMRアルゴリズムは、GMR問題の大規模なグループに対して、スケッチサイズが$\cO(\epsilon^{-1/2})$の相対誤差が$(1+\epsilon)$となる。
我々は,Fast GMRアルゴリズムを対称正定値行列近似とシングルパス特異値分解に適用し,従来のアルゴリズムよりも優れた性能を実現する。
また,提案アルゴリズムの有効性と有効性についても実証研究を行った。 Fast matrix algorithms have become the fundamental tools of machine learning in big data era. The generalized matrix regression problem is widely used in the matrix approximation such as CUR decomposition, kernel matrix approximation, and stream singular value decomposition (SVD), etc. In this paper, we propose a fast generalized matrix regression algorithm (Fast GMR) which utilizes sketching technique to solve the GMR problem efficiently. Given error parameter $0<\epsilon<1$, the Fast GMR algorithm can achieve a $(1+\epsilon)$ relative error with the sketching sizes being of order $\cO(\epsilon^{-1/2})$ for a large group of GMR problems. We apply the Fast GMR algorithm to the symmetric positive definite matrix approximation and single pass singular value decomposition and they achieve a better performance than conventional algorithms. Our empirical study also validates the effectiveness and efficiency of our proposed algorithms. | 翻訳日:2023-06-10 00:04:49 公開日:2019-12-27 |
| # ニューラルマシン翻訳のための明示的な文圧縮 Explicit Sentence Compression for Neural Machine Translation ( http://arxiv.org/abs/1912.11980v1 ) ライセンス: Link先を確認 | Zuchao Li, Rui Wang, Kehai Chen, Masao Utiyama, Eiichiro Sumita, Zhuosheng Zhang, Hai Zhao | (参考訳) State-of-the-the-art Transformer-based Neural Machine Translation (NMT)システムはまだ標準のエンコーダ・デコーダフレームワークに従っており、ソース文の表現は自己保持機構を備えたエンコーダによってうまく行うことができる。
Transformerベースのエンコーダは、結果のソース文表現における一般的な情報を効果的にキャプチャすることができるが、バックボーン情報(文のギストを表す)は特に焦点を当てていない。
本論文では,NMTのソース文表現を強化するための明示的な文圧縮手法を提案する。
実際には、文のバックボーン情報を学ぶために使われる明示的な文圧縮目標である。
我々は, 圧縮文をNMTに統合するために, バックボーン源側融合, ターゲット側融合, 両サイド融合の3つの方法を提案する。
wmtの英語-フランス語間および英語-ドイツ語間翻訳タスクにおける経験実験の結果,提案手法は,強いベースラインに対する翻訳性能を大幅に向上させることがわかった。 State-of-the-art Transformer-based neural machine translation (NMT) systems still follow a standard encoder-decoder framework, in which source sentence representation can be well done by an encoder with self-attention mechanism. Though Transformer-based encoder may effectively capture general information in its resulting source sentence representation, the backbone information, which stands for the gist of a sentence, is not specifically focused on. In this paper, we propose an explicit sentence compression method to enhance the source sentence representation for NMT. In practice, an explicit sentence compression goal used to learn the backbone information in a sentence. We propose three ways, including backbone source-side fusion, target-side fusion, and both-side fusion, to integrate the compressed sentence into NMT. Our empirical tests on the WMT English-to-French and English-to-German translation tasks show that the proposed sentence compression method significantly improves the translation performances over strong baselines. | 翻訳日:2023-06-10 00:03:35 公開日:2019-12-27 |
| # スパルシリティによる確率的協調表現に基づく分類法 A sparsity augmented probabilistic collaborative representation based classification method ( http://arxiv.org/abs/1912.12044v1 ) ライセンス: Link先を確認 | Xiao-Yun Cai and He-Feng Yin | (参考訳) 画像認識の性能を向上させるために,sa-procrc法(sparsity augmented probabilistic collaborative representation based classification)を提案する。
提案手法は,高密度係数を ProCRC を用いて取得し,その高密度係数をスパース係数で拡張し,そのスパース係数を直交マッチング追尾(OMP)アルゴリズムにより達成する。
提案手法は, 各クラスに対する復元残差の明示的な計算を必要とする従来の手法とは対照的に, トレーニングサンプルの強化係数とラベル行列を用いて, テストサンプルを分類する。
実験の結果,提案手法は顔画像およびシーン画像に対して有望な結果が得られることが示唆された。
提案したSA-ProCRCのソースコードはhttps://github.com/yinhefeng/SAProCRCで公開されている。 In order to enhance the performance of image recognition, a sparsity augmented probabilistic collaborative representation based classification (SA-ProCRC) method is presented. The proposed method obtains the dense coefficient through ProCRC, then augments the dense coefficient with a sparse one, and the sparse coefficient is attained by the orthogonal matching pursuit (OMP) algorithm. In contrast to conventional methods which require explicit computation of the reconstruction residuals for each class, the proposed method employs the augmented coefficient and the label matrix of the training samples to classify the test sample. Experimental results indicate that the proposed method can achieve promising results for face and scene images. The source code of our proposed SA-ProCRC is accessible at https://github.com/yinhefeng/SAProCRC. | 翻訳日:2023-06-09 23:56:51 公開日:2019-12-27 |
| # 時間外相関器による平衡および動的量子相転移の実験観察 Experimental Observation of Equilibrium and Dynamical Quantum Phase Transitions via Out-of-Time-Ordered Correlators ( http://arxiv.org/abs/1912.12038v1 ) ライセンス: Link先を確認 | Xinfang Nie, Bo-Bo Wei, Xi Chen, Ze Zhang, Xiuzhu Zhao, Chudan Qiu, Yu Tian, Yunlan Ji, Tao Xin, Dawei Lu, and Jun Li | (参考訳) 時間外相関器(OTOC)は、量子情報の量子化と量子カオス的振る舞いの診断の基本的な概念として確立されている。
近年、OTOCは1次元多体系における平衡量子相転移(EQPT)と動的量子相転移(DQPT)の両方を動的に検出する秩序パラメータとして用いられることが理論的に提案されている。
本稿では、核磁気共鳴量子シミュレータにおけるOTOCのクエンチダイナミクスによる量子スピン鎖内のEQPTとDQPTの初めての実験的観察を報告する。
順序パラメータと2体相関関数のクエンチダイナミクスはDQPTを検出できないが,OTOCは明らかにDQPTを検出できる。
さらに, 量子クエンチにおけるオトックの平均値は, 平衡量子臨界点と秩序量子位相を信号するので, 非平衡量子クエンチダイナミクスから eqpt を測定できることを示した。
我々の実験は、OTOCによるDQPTの実験的研究と、量子シミュレータを用いた非平衡量子クエンチ力学によるEQPTの研究の方法である。 The out-of-time-ordered correlators (OTOC) have been established as a fundamental concept for quantifying quantum information scrambling and diagnosing quantum chaotic behavior. Recently, it was theoretically proposed that the OTOC can be used as an order parameter to dynamically detect both equilibrium quantum phase transitions (EQPTs) and dynamical quantum phase transitions (DQPTs) in one-dimensional many-body systems. Here we report the first experimental observation of EQPTs and DQPTs in a quantum spin chain via quench dynamics of OTOC on a nuclear magnetic resonance quantum simulator. We observe that the quench dynamics of both the order parameter and the two-body correlation function cannot detect the DQPTs, but the OTOC can unambiguously detect the DQPTs. Moreover, we demonstrate that the long-time average value of the OTOC in quantum quench signals the equilibrium quantum critical point and ordered quantum phases, thus one can measure the EQPTs from the non-equilibrium quantum quench dynamics. Our experiment paves a way for experimentally investigating DQPTs through OTOCs and for studying the EQPTs through the non-equilibrium quantum quench dynamics with quantum simulators. | 翻訳日:2023-06-09 23:56:37 公開日:2019-12-27 |
| # 未知の量子状態の時間反転 Time-reversal of an unknown quantum state ( http://arxiv.org/abs/1912.12036v1 ) ライセンス: Link先を確認 | A. V. Lebedev, V. M. Vinokur | (参考訳) 何十年もの間、研究者たちは、周囲の世界の不可逆性が、時相対称で基本的な物理法則からどのように現れるかを理解しようとしてきた。
量子力学は、最終的な可逆性は測定手順によって設定され、時間反転は自然界に自発的に現れるのに複雑すぎる波動関数の複雑な共役を必要とするという手がかりを予想した。
このランダウ・ウィグナー予想に基づいて、ヴァージンな性質で時間反転が指数関数的に不可能であることを示し、IBM量子コンピュータ上で与えられた量子状態に対する時間矢印を人工的に逆転するアルゴリズムを設計した。
しかし、実装された矢印逆転は、当初は熱力学貯留層から切り離された既知の状態のみを受け入れた。
ここでは、任意の未知の量子状態の時間的発展を逆転する手法を開発する。
これにより、任意のシステムの時間的進化を遡って送信する一般普遍アルゴリズムの経路が開かれる。 For decades, researchers have sought to understand how the irreversibility of the surrounding world emerges from the seemingly time symmetric, fundamental laws of physics. Quantum mechanics conjectured a clue that final irreversibility is set by the measurement procedure and that the time reversal requires complex conjugation of the wave function, which is overly complex to spontaneously appear in nature. Building on this Landau-Wigner conjecture, it became possible to demonstrate that time reversal is exponentially improbable in a virgin nature and to design an algorithm artificially reversing a time arrow for a given quantum state on the IBM quantum computer. However, the implemented arrow-of-time reversal embraced only the known states initially disentangled from the thermodynamic reservoir. Here we develop a procedure for reversing the temporal evolution of an arbitrary unknown quantum state. This opens the route for general universal algorithms sending temporal evolution of an arbitrary system backwards in time. | 翻訳日:2023-06-09 23:56:09 公開日:2019-12-27 |
| # ホン・オ・マンデル干渉法による光の偏光状態の追跡 Tracking the polarisation state of light via Hong-Ou-Mandel interferometry ( http://arxiv.org/abs/1912.12087v1 ) ライセンス: Link先を確認 | Natapon Harnchaiwat and Feng Zhu and Niclas Westerberg and Erik Gauger and Jonathan Leach | (参考訳) ホン・ウー・マンデル干渉を用いた光の偏光状態を測定・追跡するための統計的にロバストで正確な枠組みを提供する。
これは、最大推定値と光子検出イベントに適用されたフィッシャー情報を組み合わせたものである。
このようなアプローチは、Cram\'er-Rao境界が飽和であり、偏極状態の変化が最適な方法で確立されることを保証する。
この方法を用いて, 線形偏極状態の変化を0.6 arcminute cision (0.01°) で測定できることを示す。 We provide a statistically robust and accurate framework to measure and track the polarisation state of light employing Hong-Ou-Mandel interference. This is achieved by combining the concepts of maximum likelihood estimation and Fisher information applied to photon detection events. Such an approach ensures that the Cram\'er-Rao bound is saturated and changes to the polarisation state are established in an optimal manner. Using this method, we show that changes in the linear polarisation state can be measured with 0.6 arcminute precision (0.01 degrees). | 翻訳日:2023-06-09 23:46:35 公開日:2019-12-27 |
| # ポイントワイズアテンションに基づく畳み込みニューラルネットワーク Pointwise Attention-Based Atrous Convolutional Neural Networks ( http://arxiv.org/abs/1912.12082v1 ) ライセンス: Link先を確認 | Mobina Mahdavi, Fahimeh Fooladgar, Shohreh Kasaei | (参考訳) ディープ畳み込みニューラルネットワークの急速な進歩により、ほとんどすべてのロボットアプリケーションにおいて、3Dポイントクラウドの可用性は3Dセマンティックセグメンテーション法の精度を向上させる。
これらの不規則で、構造化されていない、秩序のない3Dポイントを複数の視点から2D画像にレンダリングすると、3Dから2Dプロジェクションによる情報の損失、離散化アーティファクト、高い計算コストといった問題が発生する。
多数の点を効率的に処理し,各点のコンテキストをより多く組み込むために,ポイントワイドアテンションに基づくアトラス畳み込みニューラルネットワークアーキテクチャを提案する。
全機能マップの高度3d特徴点に着目し、空間的チャンネル毎の注意モジュールによる際立った文脈情報を考慮している。
提案手法は3次元セマンティックセグメンテーションタスクのための2つの重要な3Dポイントクラウドデータセット上で評価されている。
精度の面では最先端モデルと比較して妥当な性能を実現し、パラメータ数ははるかに少ない。 With the rapid progress of deep convolutional neural networks, in almost all robotic applications, the availability of 3D point clouds improves the accuracy of 3D semantic segmentation methods. Rendering of these irregular, unstructured, and unordered 3D points to 2D images from multiple viewpoints imposes some issues such as loss of information due to 3D to 2D projection, discretizing artifacts, and high computational costs. To efficiently deal with a large number of points and incorporate more context of each point, a pointwise attention-based atrous convolutional neural network architecture is proposed. It focuses on salient 3D feature points among all feature maps while considering outstanding contextual information via spatial channel-wise attention modules. The proposed model has been evaluated on the two most important 3D point cloud datasets for the 3D semantic segmentation task. It achieves a reasonable performance compared to state-of-the-art models in terms of accuracy, with a much smaller number of parameters. | 翻訳日:2023-06-09 23:46:19 公開日:2019-12-27 |
| # 短文のパラフレーズ検出のためのデータ拡張型マルチカスケードモデル A Multi-cascaded Model with Data Augmentation for Enhanced Paraphrase Detection in Short Texts ( http://arxiv.org/abs/1912.12068v1 ) ライセンス: Link先を確認 | Muhammad Haroon Shakeel, Asim Karim, Imdadullah Khan | (参考訳) パラフレーズ検出はテキスト分析において重要なタスクであり、プラジャリズム検出、重複質問識別、顧客サポートヘルプデスクの強化など多くのアプリケーションがある。
パラフレーズの表現と分類のためのディープモデルが提案されている。
しかし、これらのモデルは大量の人ラベルデータを必要とするため、入手には費用がかかる。
本研究では,短文のパラフレーズ検出を改善するためのデータ拡張戦略とマルチカスケードモデルを提案する。
我々のデータ強化戦略は、パラフレーズや非パラフレーズの概念をテキストの集合上の二項関係として考える。
その後、グラフ理論の概念を用いて、音声で追加のパラフレーズと非パラフレーズのペアを効率的に生成する。
我々のマルチカスケードモデルは,CNNとLSTMネットワークに基づく3つの教師付き特徴学習者(カスケード)をソフトアテンションなしで採用している。
学習した特徴と手作りの言語的特徴は、最終分類のために識別器ネットワークに転送される。
私たちのモデルは広くて深く、クリーンでノイズの多い短いテキストにわたってより堅牢性を提供します。
提案手法を3つのベンチマークデータセットで評価し,3つすべてに対して同等あるいは最先端のパフォーマンスが得られることを示す。 Paraphrase detection is an important task in text analytics with numerous applications such as plagiarism detection, duplicate question identification, and enhanced customer support helpdesks. Deep models have been proposed for representing and classifying paraphrases. These models, however, require large quantities of human-labeled data, which is expensive to obtain. In this work, we present a data augmentation strategy and a multi-cascaded model for improved paraphrase detection in short texts. Our data augmentation strategy considers the notions of paraphrases and non-paraphrases as binary relations over the set of texts. Subsequently, it uses graph theoretic concepts to efficiently generate additional paraphrase and non-paraphrase pairs in a sound manner. Our multi-cascaded model employs three supervised feature learners (cascades) based on CNN and LSTM networks with and without soft-attention. The learned features, together with hand-crafted linguistic features, are then forwarded to a discriminator network for final classification. Our model is both wide and deep and provides greater robustness across clean and noisy short texts. We evaluate our approach on three benchmark datasets and show that it produces a comparable or state-of-the-art performance on all three. | 翻訳日:2023-06-09 23:46:01 公開日:2019-12-27 |
| # 量子ランゲヴィン方程式 Quantum Langevin equation ( http://arxiv.org/abs/1912.12063v1 ) ライセンス: Link先を確認 | M\'ario J. de Oliveira | (参考訳) 境界粒子の量子ブラウン運動を記述するランジュバン方程式を,ゆらぎと散逸力の両方に関する特異な定式化に基づいて提案する。
ゆらぎ力は古典的な場合と同様である。
温度に比例したばらつきを持つ白色雑音である。
散逸力は速度に比例するように制限されず、ギブス正準型の密度作用素によって定常状態が与えられることを保証して決定される。
この結果、密度作用素の時間発展を与える方程式が導出され、量子フォッカー・プランク・クラマーズ方程式であることが判明した。
このアプローチは、散逸力が非エルミート的かつ速度と位置に比例する場合に高調波振動子に適用される。 We propose a Langevin equation to describe the quantum Brownian motion of bounded particles based on a distinctive formulation concerning both the fluctuation and dissipation forces. The fluctuation force is similar to that employed in the classical case. It is a white noise with a variance proportional to the temperature. The dissipation force is not restrict to be proportional to the velocity and is determined in a way as to guarantee that the stationary state is given by a density operator of the Gibbs canonical type. To this end we derived an equation that gives the time evolution of the density operator, which turns out to be a quantum Fokker-Planck-Kramers equation. The approach is applied to the harmonic oscillator in which case the dissipation force is found to be non Hermitian and proportional to the velocity and position. | 翻訳日:2023-06-09 23:45:29 公開日:2019-12-27 |
| # Bitcoinネットワークにおけるマネーロンダリング活動の特徴と検出 Characterizing and Detecting Money Laundering Activities on the Bitcoin Network ( http://arxiv.org/abs/1912.12060v1 ) ライセンス: Link先を確認 | Yining Hu, Suranga Seneviratne, Kanchana Thilakarathna, Kensuke Fukuda, Aruna Seneviratne | (参考訳) Bitcoinは、ピアツーピア支払いを可能にする最も人気のある暗号通貨ソリューションだ。
ネットワークが完全な匿名性を提供していないことを示すいくつかの研究にもかかわらず、マネーロンダリング、ポンジスキーム、ランサムウェア支払いなど、様々な疑わしい金融活動に使われている。
本稿では,ビットコインネットワーク全体で発生するマネーロンダリング活動の展望について考察する。
3年間にわたって収集されたデータを用いて、トランザクショングラフを作成し、マネーロンダリングトランザクションと通常のトランザクションを区別するために、さまざまなグラフ特性の詳細な分析を行う。
マネーロンダリングとレギュラー取引の主な違いは、その出力値と近隣情報にあることがわかった。
次に,近辺,キュレートされた特徴,ディープウォーク埋め込み,node2vec埋め込みという4種類のグラフ特徴に基づく分類器を提案・評価し,マネーロンダリングと定期的なトランザクションを分類する。
node2vecベースの分類器は、平均精度92.29%、F1測定率0.93、2.5年で高い堅牢性に達するバイナリ分類において、他の分類器よりも優れていることを示す。
最後に、未知の洗浄サービスを発見する上で、分類器がいかに効果的かを示す。
分類器の性能はバイナリ分類に比べて低下したが、いくつかのサービスでは単純なアンサンブル技術によって予測が改善される。 Bitcoin is by far the most popular crypto-currency solution enabling peer-to-peer payments. Despite some studies highlighting the network does not provide full anonymity, it is still being heavily used for a wide variety of dubious financial activities such as money laundering, ponzi schemes, and ransom-ware payments. In this paper, we explore the landscape of potential money laundering activities occurring across the Bitcoin network. Using data collected over three years, we create transaction graphs and provide an in-depth analysis on various graph characteristics to differentiate money laundering transactions from regular transactions. We found that the main difference between laundering and regular transactions lies in their output values and neighbourhood information. Then, we propose and evaluate a set of classifiers based on four types of graph features: immediate neighbours, curated features, deepwalk embeddings, and node2vec embeddings to classify money laundering and regular transactions. Results show that the node2vec-based classifier outperforms other classifiers in binary classification reaching an average accuracy of 92.29% and an F1-measure of 0.93 and high robustness over a 2.5-year time span. Finally, we demonstrate how effective our classifiers are in discovering unknown laundering services. The classifier performance dropped compared to binary classification, however, the prediction can be improved with simple ensemble techniques for some services. | 翻訳日:2023-06-09 23:45:17 公開日:2019-12-27 |
| # ガウス混合と進化アルゴリズムに基づく射影追跡 Projection pursuit based on Gaussian mixtures and evolutionary algorithms ( http://arxiv.org/abs/1912.12049v1 ) ライセンス: Link先を確認 | Luca Scrucca and Alessio Serafini | (参考訳) ガウス混合モデル(GMM)に基づく投影探索(PP)アルゴリズムを提案する。
GMMによって推定される多変量密度から得られるネゲントロピーをPP指数として最大化する。
射影部分空間の固定次元については、GMMに基づく密度推定がその部分空間に投影され、ガウス混合のネゲントロピーの近似が計算される。
次に、遺伝的アルゴリズム(GA)を用いて、前者の近似を最大化し、最適な直交射影基底を求める。
PPに対するこの半パラメトリックなアプローチは柔軟であり、多変量データセットをサブスペースに投影することで、高い情報的構造を検出できることを示す。
提案手法の性能は,人工データと実データの両方に示される。 We propose a projection pursuit (PP) algorithm based on Gaussian mixture models (GMMs). The negentropy obtained from a multivariate density estimated by GMMs is adopted as the PP index to be maximised. For a fixed dimension of the projection subspace, the GMM-based density estimation is projected onto that subspace, where an approximation of the negentropy for Gaussian mixtures is computed. Then, Genetic Algorithms (GAs) are used to find the optimal, orthogonal projection basis by maximising the former approximation. We show that this semi-parametric approach to PP is flexible and allows highly informative structures to be detected, by projecting multivariate datasets onto a subspace, where the data can be feasibly visualised. The performance of the proposed approach is shown on both artificial and real datasets. | 翻訳日:2023-06-09 23:43:48 公開日:2019-12-27 |
| # 持続的正気道圧療法によるコンプライアンスの早期評価のための予測方法の比較分析 Comparative Analysis of Predictive Methods for Early Assessment of Compliance with Continuous Positive Airway Pressure Therapy ( http://arxiv.org/abs/1912.12116v1 ) ライセンス: Link先を確認 | Xavier Rafael-Palou, Cecilia Turino, Alexander Steblin, Manuel S\'anchez-de-la-Torre, Ferran Barb\'e, Eloisa Vargiu | (参考訳) 閉塞性睡眠時無呼吸症候群の患者は, 主にCPAP(Continuous positive airway pressure)で治療される。
CPAPの平均使用時間は4時間以上と広く認められている。
極めて効果的な治療であるが、この治療の遵守は患者の健康に深刻な影響を与えることが問題となる。
前回の研究では、治療の遵守に重大な要因が報告されている。
しかし, 早期患者の治療コンプライアンスを期待する臨床医の支援には, さらなる研究が必要である。
本研究は、CPAP療法を併用したコンプライアンス分類器を、患者フォローアップの3つの異なる時点(つまり、治療開始前とベースライン後1、3ヶ月)に構築することで、この方向へさらに一歩進むことを目的としている。
臨床試験の結果,月3日は最も正確な分類器がF1スコアの87%,クロスバリデーションとテストで84%に達するタイムポイントであることが確認された。
1か月目は、f1-scoreの82%と84%でパフォーマンスはほぼ3月と同じだった。
CPAP使用に関する情報が得られていないベースラインでは, クロスバリデーションおよびテストセットにおいて, 最高の分類器が73%, f1スコアの76%を達成した。
各時点の最良の分類器を用いたその後の分析により、特定の基準因子(頭痛、心理的症状、動脈高血圧、エウロコール視覚類似尺度)が、時間点とは独立してコンプライアンスの予測と密接に関連していることが判明した。
また, CPAPの順応を予測する上では, エップワースと夜間平均時間が最も重要であった。 Patients suffering from obstructive sleep apnea are mainly treated with continuous positive airway pressure (CPAP). Good compliance with this therapy is broadly accepted as more than 4h of CPAP average use nightly. Although it is a highly effective treatment, compliance with this therapy is problematic to achieve with serious consequences for the patients' health. Previous works already reported factors significantly related to compliance with the therapy. However, further research is still required to support clinicians to early anticipate patients' therapy compliance. This work intends to take a further step in this direction by building compliance classifiers with CPAP therapy at three different moments of the patient follow-up (i.e. before the therapy starts and at months 1 and 3 after the baseline). Results of the clinical trial confirmed that month 3 was the time-point with the most accurate classifier reaching an f1-score of 87% and 84% in cross-validation and test. At month 1, performances were almost as high as in month 3 with 82% and 84% of f1-score. At baseline, where no information about patients' CPAP use was given yet, the best classifier achieved 73% and 76% of f1-score in cross-validation and test set respectively. Subsequent analyses carried out with the best classifiers of each time point revealed that certain baseline factors (i.e. headaches, psychological symptoms, arterial hypertension and EuroQol visual analogue scale) were closely related to the prediction of compliance independently of the time-point. In addition, among the variables taken only during the follow-up of the patients, Epworth and the average nighttime hours were the most important to predict compliance with CPAP. | 翻訳日:2023-06-09 23:37:22 公開日:2019-12-27 |
| # 医療における協調的深層学習のための分割学習 Split Learning for collaborative deep learning in healthcare ( http://arxiv.org/abs/1912.12115v1 ) ライセンス: Link先を確認 | Maarten G.Poirot, Praneeth Vepakomma, Ken Chang, Jayashree Kalpathy-Cramer, Rajiv Gupta, Ramesh Raskar | (参考訳) ラベル付きデータの不足は、サンプルサイズが小さく、患者情報をオープンに共有できないことが多く、多施設共同研究がセットアップの負担となっているため、医療分野でのディープラーニングの急増を維持している。
分散機械学習手法はこれらの問題を緩和することを約束する。
我々は,この分散学習手法を医学分野で初めて適用し,(1)集中ホスト型,(2)非協調型構成の比較を行った。
2つの医学的深層学習タスクは、従来の単一および多中心のアプローチと比較するために用いられ、9000枚の写真集合のバイナリ分類問題と156,535個の胸部X線集合のマルチラベル分類問題である。
いくつかの分散学習セットアップは、1～50人の分散参加者で比較される。
分割学習構成の性能は, 単一中心研究と比較して一定であり, 2つのクライアント (p < 0.001) 以降の非協調的構成と有意な差を示した。
本結果は,ディープニューラルネットワークの医療における協調トレーニングのメリットを裏付けるものである。
私たちの研究は、ヘルスケアにおける分散学習の大きなメリットを証明し、将来の現実的な実装の道を開くものです。 Shortage of labeled data has been holding the surge of deep learning in healthcare back, as sample sizes are often small, patient information cannot be shared openly, and multi-center collaborative studies are a burden to set up. Distributed machine learning methods promise to mitigate these problems. We argue for a split learning based approach and apply this distributed learning method for the first time in the medical field to compare performance against (1) centrally hosted and (2) non collaborative configurations for a range of participants. Two medical deep learning tasks are used to compare split learning to conventional single and multi center approaches: a binary classification problem of a data set of 9000 fundus photos, and multi-label classification problem of a data set of 156,535 chest X-rays. The several distributed learning setups are compared for a range of 1-50 distributed participants. Performance of the split learning configuration remained constant for any number of clients compared to a single center study, showing a marked difference compared to the non collaborative configuration after 2 clients (p < 0.001) for both sets. Our results affirm the benefits of collaborative training of deep neural networks in health care. Our work proves the significant benefit of distributed learning in healthcare, and paves the way for future real-world implementations. | 翻訳日:2023-06-09 23:36:51 公開日:2019-12-27 |
| # 深度センサデータを用いた3次元深度学習に基づくロボット環境の拡張現実校正法 A 3D-Deep-Learning-based Augmented Reality Calibration Method for Robotic Environments using Depth Sensor Data ( http://arxiv.org/abs/1912.12101v1 ) ライセンス: Link先を確認 | Linh K\"astner, Vlad Catalin Frasineanu, Jens Lambrecht | (参考訳) 拡張現実(augmented reality)とモバイルロボット(mobile robots)は、コストと時間の効率性を高める可能性が高く、業界内で注目を集めている。
拡張現実を容易にするためには、拡張現実装置と環境との校正が必要である。
これは、環境を動的にするすべてのエンティティの移動性のため、移動ロボットを扱う場合の課題である。
そこで本研究では,3次元深度センサデータを用いた拡張現実装置の校正手法を提案する。
私たちは、最先端の拡張現実デバイス(ディープラーニングベースのキャリブレーションのためのMicrosoft Hololens)の奥行きカメラを使用しています。
そこで我々は,hololens で観測されたポイントクラウド入力に直接動作する,最近公開された votenet アーキテクチャに基づくニューラルネットワークを改良した。
満足度の高い結果を実現し、マーカーのような外部ツールを排除し、Augmented Reality統合のためのより直感的で柔軟な作業フローを可能にします。
結果は全深度カメラに適応し、さらなる研究を約束している。
さらに、オープンソースの3Dポイントクラウドラベリングツールを導入しました。これは、生のポイントクラウドデータをラベリングするための、最初のオープンソースツールです。 Augmented Reality and mobile robots are gaining much attention within industries due to the high potential to make processes cost and time efficient. To facilitate augmented reality, a calibration between the Augmented Reality device and the environment is necessary. This is a challenge when dealing with mobile robots due to the mobility of all entities making the environment dynamic. On this account, we propose a novel approach to calibrate the Augmented Reality device using 3D depth sensor data. We use the depth camera of a cutting edge Augmented Reality Device - the Microsoft Hololens for deep learning based calibration. Therefore, we modified a neural network based on the recently published VoteNet architecture which works directly on the point cloud input observed by the Hololens. We achieve satisfying results and eliminate external tools like markers, thus enabling a more intuitive and flexible work flow for Augmented Reality integration. The results are adaptable to work with all depth cameras and are promising for further research. Furthermore, we introduce an open source 3D point cloud labeling tool, which is to our knowledge the first open source tool for labeling raw point cloud data. | 翻訳日:2023-06-09 23:36:01 公開日:2019-12-27 |
| # 一粒子ヒルベルト空間上のフォック空間における非可換グラフ Non-commutative graphs in the Fock space over one-particle Hilbert space ( http://arxiv.org/abs/1912.12099v1 ) ライセンス: Link先を確認 | G.G. Amosov, A.S. Mokeev | (参考訳) 本稿では,無限次元空間における非可換作用素グラフの研究を継続する。
一粒子状態空間上のフォック空間上で作用する作用素のハイゼンベルク・ワイル群に対応する同一性の解法によって生成される非可換作用素グラフの例を考える。
このようなグラフに対する量子誤差補正の問題について議論する。 In the present paper we continue our study of non-commutative operator graphs in infinite-dimensional spaces. We consider examples of the non-commutative operator graphs generated by resolutions of identity corresponding to the Heisenberg-Weyl group of operators acting on the Fock space over one-particle state space. The problem of quantum error correction for such graphs is discussed. | 翻訳日:2023-06-09 23:35:43 公開日:2019-12-27 |
| # 超感度ハイブリッドダイヤモンドナノ温度計 Ultra-sensitive hybrid diamond nanothermometer ( http://arxiv.org/abs/1912.12097v1 ) ライセンス: Link先を確認 | Chu-Feng Liu, Weng-Hang Leong, Kangwei Xia, Xi Feng, Amit Finkler, Andrej Denisenko, J\"org Wrachtrup, Quan Li and Ren-Bao Liu | (参考訳) ダイヤモンド中の窒素空孔(NV)中心は、周囲条件下での長いスピンコヒーレンス時間に対する量子センサーを約束している。
しかし、スピン共鳴は温度などの非磁性パラメータに比較的敏感である。
温度変化をキュリー温度付近の磁場変動に変換した磁気-ナノ粒子-ナノダイアモンドハイブリッド温度計は, 温度感度 (11 mk hz^{-1/2}) [phys. rev. x 8, 011042 (2018)] を向上させたが, ナノダイアモンド中のアンサンブルスピンのスペクトル拡大によって感度が制限された。
この限界を克服するため, 銅-ニッケル合金の1つの磁性ナノ粒子を結合したダイヤモンドナノピラーにおいて, 単一NV中心を用いたハイブリッドナノサーモメーターの設計を改良し, 温度感度76 uK Hz^{-1/2} を示した。
このハイブリッド設計により、時間分解能5ミリ秒で2ミリケルビン温度変化の検出が可能となった。
超感度ナノサーモメータは、ナノスケールシステムにおける熱過程を調べるための新しいツールを提供する。 Nitrogen-vacancy (NV) centers in diamond are promising quantum sensors for their long spin coherence time under ambient conditions. However, their spin resonances are relatively insensitive to non-magnetic parameters such as temperature. A magnetic-nanoparticle-nanodiamond hybrid thermometer, where the temperature change is converted to the magnetic field variation near the Curie temperature, was demonstrated to have enhanced temperature sensitivity (11 mK Hz^{-1/2}) [Phys. Rev. X 8, 011042 (2018)], but the sensitivity was limited by the large spectral broadening of ensemble spins in nanodiamonds. To overcome this limitation, here we showed an improved design of a hybrid nanothermometer using a single NV center in a diamond nanopillar coupled with a single magnetic nanoparticle of copper-nickel alloy, and demonstrated a temperature sensitivity of 76 uK Hz^{-1/2}. This hybrid design enabled detection of 2 millikelvins temperature changes with temporal resolution of 5 milliseconds. The ultra-sensitive nanothermometer offers a new tool to investigate thermal processes in nanoscale systems. | 翻訳日:2023-06-09 23:35:19 公開日:2019-12-27 |
| # 1点, 1点:同時3次元オブジェクトセグメンテーションと6-DOFポーズ推定 One Point, One Object: Simultaneous 3D Object Segmentation and 6-DOF Pose Estimation ( http://arxiv.org/abs/1912.12095v1 ) ライセンス: Link先を確認 | Hongsen Liu, Yang Cong, Yandong Tang | (参考訳) 本稿では,1つの点が1つのオブジェクトにのみ属すというコンセンサスに基づいて,純粋な3dポイント雲シーンにおける3dオブジェクトセグメンテーションと6dofポーズ推定を同時に行うシングルショット法を提案する。
3dバウンディングボックスの3dコーナーの投影を予測し、6-dofポーズをpnpのような空間変換法で推定するために2d検出器に依存する類似のタスクが最近提案されている方法とは異なり、我々は異なる次元間の空間変換を必要としないほど簡潔である。
多くのオブジェクトに対するトレーニングデータがないため、最近提案された2D検出手法はレンダリングエンジンを用いてトレーニングデータを生成し、良好な結果を得る。
しかし、6-DOFとともに3次元空間でのレンダリングは比較的困難である。
そこで本研究では,半仮想現実空間におけるトレーニングデータを生成する拡張現実技術を提案する。
この手法の重要なコンポーネントはマルチタスクcnnアーキテクチャであり、純粋な3dポイントクラウドにおける3dオブジェクトセグメンテーションと6dofポーズ推定を同時に予測できる。
実験評価のために,Augmented Reality Technology (AR) を用いて2つの最先端3Dオブジェクトデータセットであるcite{PLCHF}\cite{TlineMOD} のトレーニングデータを生成する。
提案手法を2つのデータセット上で評価する。
その結果,本手法は複数のシナリオにうまく一般化でき,最先端の手法に匹敵する性能を提供することができた。 We propose a single-shot method for simultaneous 3D object segmentation and 6-DOF pose estimation in pure 3D point clouds scenes based on a consensus that \emph{one point only belongs to one object}, i.e., each point has the potential power to predict the 6-DOF pose of its corresponding object. Unlike the recently proposed methods of the similar task, which rely on 2D detectors to predict the projection of 3D corners of the 3D bounding boxes and the 6-DOF pose must be estimated by a PnP like spatial transformation method, ours is concise enough not to require additional spatial transformation between different dimensions. Due to the lack of training data for many objects, the recently proposed 2D detection methods try to generate training data by using rendering engine and achieve good results. However, rendering in 3D space along with 6-DOF is relatively difficult. Therefore, we propose an augmented reality technology to generate the training data in semi-virtual reality 3D space. The key component of our method is a multi-task CNN architecture that can simultaneously predicts the 3D object segmentation and 6-DOF pose estimation in pure 3D point clouds. For experimental evaluation, we generate expanded training data for two state-of-the-arts 3D object datasets \cite{PLCHF}\cite{TLINEMOD} by using Augmented Reality technology (AR). We evaluate our proposed method on the two datasets. The results show that our method can be well generalized into multiple scenarios and provide performance comparable to or better than the state-of-the-arts. | 翻訳日:2023-06-09 23:34:58 公開日:2019-12-27 |
| # クリロフ空間におけるトダ連鎖の流れ Toda chain flow in Krylov space ( http://arxiv.org/abs/1912.12227v1 ) ライセンス: Link先を確認 | Anatoly Dymarsky and Alexander Gorsky | (参考訳) 実時間に継続する物理観測可能な解析関数の時間相関関数が可積分toda階層のタウ関数であることを示す。
この関係を用いて、量子非可積分多体系の一般的な振る舞いである虚軸に沿った特異性は、クリロフ空間における非局在化によるものであることを示す。 We show in full generality that time-correlation function of a physical observable analytically continued to imaginary time is a tau-function of integrable Toda hierarchy. Using this relation we show that the singularity along the imaginary axis, which is a generic behavior for quantum non-integrable many-body system, is due to delocalization in Krylov space. | 翻訳日:2023-06-09 23:27:05 公開日:2019-12-27 |
| # 2モードウィグナー関数の効率的な量子トモグラフィー Efficient Quantum Tomography of Two-Mode Wigner Functions ( http://arxiv.org/abs/1912.12222v1 ) ライセンス: Link先を確認 | Ludmila A. S. Botelho, Reinaldo O. Vianna | (参考訳) 我々は多モード連続変数系のウィグナー関数を再構築する効率的な方法を提案する。
これは半定値プログラムによる凸最適化に基づいており、またバイアスのない状態を得るために最大エントロピー原理のバージョンも含む。
提案手法の鍵となる要素は、切り刻まれたフォック基底における状態の表現である。
ボーナスとして、離散有限表現は絡み合いを容易に定量化することができる。 We introduce an efficient method to reconstruct the Wigner function of many-mode continuous variable systems. It is based on convex optimization with semidefinite programs, and also includes a version of the maximum entropy principle, in order to yield unbiased states. A key ingredient of the proposed approach is the representation of the state in a truncated Fock basis. As a bonus, the discrete finite representation allows to easily quantify the entanglement. | 翻訳日:2023-06-09 23:26:59 公開日:2019-12-27 |
| # 最小曲線スパース類似性による非線形マルコフクラスタリング Nonlinear Markov Clustering by Minimum Curvilinear Sparse Similarity ( http://arxiv.org/abs/1912.12211v1 ) ライセンス: Link先を確認 | C. Duran, A. Acevedo, S. Ciucci, A. Muscoloni, and CV. Cannistraci | (参考訳) 非線形クラスタリングによる教師なしパターン認識アルゴリズムの開発は、データサイエンスにおいて顕著な問題である。
マルコフクラスタリング(英語版)(mcl)は、サンプル類似性のネットワーク上の確率的流れをシミュレートし、データ内のクラスタの構造的構造を検出する有名なアルゴリズムであるが、データの非線形性を扱うために一般化されたことはない。
最小曲率 (minimum curvilinearity, mc) は、高次元特徴空間における非線形サンプル距離を、最小スパンディングツリー上の横断経路として計算され、カーネルに格納される曲率距離によって近似する原理である。
本稿では,mclの非線形カーネル拡張であるmc-mclを提案し,最小曲率を利用して実データおよび合成データにおけるmclの性能を向上させる。
MC-MCLはDBSCAN, K-means, アフィニティ伝搬などのベースラインクラスタリング法と比較される。
MCLと組み合わせてカーネルを適用した場合にも、最小カービリニアリティは非線形距離を推定するための貴重なフレームワークを提供する。
実際、MC-MCLは古典的なMCLやベースラインクラスタリングアルゴリズムを、異なる非線形データセットで克服している。 The development of algorithms for unsupervised pattern recognition by nonlinear clustering is a notable problem in data science. Markov clustering (MCL) is a renowned algorithm that simulates stochastic flows on a network of sample similarities to detect the structural organization of clusters in the data, but it has never been generalized to deal with data nonlinearity. Minimum Curvilinearity (MC) is a principle that approximates nonlinear sample distances in the high-dimensional feature space by curvilinear distances, which are computed as transversal paths over their minimum spanning tree, and then stored in a kernel. Here we propose MC-MCL, which is the first nonlinear kernel extension of MCL and exploits Minimum Curvilinearity to enhance the performance of MCL in real and synthetic data with underlying nonlinear patterns. MC-MCL is compared with baseline clustering methods, including DBSCAN, K-means and affinity propagation. We find that Minimum Curvilinearity provides a valuable framework to estimate nonlinear distances also when its kernel is applied in combination with MCL. Indeed, MC-MCL overcomes classical MCL and even baseline clustering algorithms in different nonlinear datasets. | 翻訳日:2023-06-09 23:25:40 公開日:2019-12-27 |
| # 学習神経活性化 Learning Neural Activations ( http://arxiv.org/abs/1912.12187v1 ) ライセンス: Link先を確認 | Fayyaz ul Amir Afsar Minhas and Amina Asif | (参考訳) 人工ニューロンは重み付き和としてモデル化され、その出力を決定する活性化関数が続く。
文献では, 整流線形ユニット (ReLU) , 漏洩ReLU, Swish, MISH など, 多様な活性化関数が検討されている。
本稿では,人工ニューラルネットワークにおける各ニューロンの活性化関数が,データのみからネイティブに学習された場合について考察する。
これは、各ニューロンの活性化関数を、元のネットワーク内の全てのニューロンで重みが共有される小さなニューラルネットワークとしてモデル化することで達成される。
結論のセクションに主要な発見をリストアップします。
私たちの分析のコードは、https://github.com/amina01/learning-neural-activatedsで利用可能です。 An artificial neuron is modelled as a weighted summation followed by an activation function which determines its output. A wide variety of activation functions such as rectified linear units (ReLU), leaky-ReLU, Swish, MISH, etc. have been explored in the literature. In this short paper, we explore what happens when the activation function of each neuron in an artificial neural network is learned natively from data alone. This is achieved by modelling the activation function of each neuron as a small neural network whose weights are shared by all neurons in the original network. We list our primary findings in the conclusions section. The code for our analysis is available at: https://github.com/amina01/Learning-Neural-Activations. | 翻訳日:2023-06-09 23:25:19 公開日:2019-12-27 |
| # 非可換対称性を持つ開量子系の定常状態縮退 Stationary State Degeneracy of Open Quantum Systems with Non-Abelian Symmetries ( http://arxiv.org/abs/1912.12185v1 ) ライセンス: Link先を確認 | Zhao Zhang, Joseph Tindall, Jordi Mur-Petit, Dieter Jaksch, Berislav Bu\v{c}a | (参考訳) 我々は、複数の非可換な強い対称性を持つ開量子システムのヌル空間縮退について研究する。
これらの対称性のヒルベルト空間表現を、多重可換な不変部分空間の直和を含む既約表現に分解することで、定常状態退化に対する厳密な下界を導出する。
これらの結果をオープン量子多体系の文脈に適用し、完全連結量子ネットワーク、xxxハイゼンベルクモデル、ハバードモデルという3つの例を示す。
システムサイズにおいて少なくとも3次スケールの導出境界は、$SU(2)$対称の場合でしばしば飽和である。
さらに本研究は,非可換対称性を持つリウビリアンの系統的ブロック分解の理論を提供し,これらの対象の対角化に関わる計算の難しさを低減し,自然の物理的構造を定常状態へ公開する。 We study the null space degeneracy of open quantum systems with multiple non-Abelian, strong symmetries. By decomposing the Hilbert space representation of these symmetries into an irreducible representation involving the direct sum of multiple, commuting, invariant subspaces we derive a tight lower bound for the stationary state degeneracy. We apply these results within the context of open quantum many-body systems, presenting three illustrative examples: a fully-connected quantum network, the XXX Heisenberg model and the Hubbard model. We find that the derived bound, which scales at least cubically in the system size the $SU(2)$ symmetric cases, is often saturated. Moreover, our work provides a theory for the systematic block-decomposition of a Liouvillian with non-Abelian symmetries, reducing the computational difficulty involved in diagonalising these objects and exposing a natural, physical structure to the steady states - which we observe in our examples. | 翻訳日:2023-06-09 23:25:08 公開日:2019-12-27 |
| # 統計的アグノスティックマッピング:濃度不等式に基づくニューロイメージングの枠組み Statistical Agnostic Mapping: a Framework in Neuroimaging based on Concentration Inequalities ( http://arxiv.org/abs/1912.12274v1 ) ライセンス: Link先を確認 | J M Gorriz, SiPBA Group, and CAM neuroscience | (参考訳) 70年代、パターン認識問題における関数の選択に焦点をあてた新しい統計学の分野が出現し、近似の質と複雑性の明確な関係が実現された。
これらのデータ駆動型アプローチは主に、限られたサンプルサイズで依存関係を推定する問題に主眼を置いており、例えば、クロスバリデーション(CV)アプローチのような経験的なサンプル一般化アプローチを構成する。
後者は、ニューロイメージングにおいて競合仮説のテストや異なるモデルの比較のために設計された 'emph{not' であるが、この理論には、ボクセルやマルチボクセルレベルでの統計アグノスティック(非パラメトリック)マッピング(SAM)の導出に使用できる多くの理論的展開がある。
さらにSAMsは緩和できる
一 CVアプローチ、例えば大型エラーバーを介して実際のリスクを見積もる場合の限られたサンプルサイズにおける不安定性の問題及び提供
ii) 仮説検定のための推論統計学におけるファミリーワイズエラー (fwe) 補正p値写像の代替方法
この意味で,集中不平等に基づくニューロイメージングの新しい枠組みを提案する。
(i)試料/次元比の小さいモデル検証のための厳密な開発、
(i)FWE p値補正よりも保存的でない手順で、実際のリスクの小さな上限を用いた推論から脳の重要度マップを決定する。 In the 70s a novel branch of statistics emerged focusing its effort in selecting a function in the pattern recognition problem, which fulfils a definite relationship between the quality of the approximation and its complexity. These data-driven approaches are mainly devoted to problems of estimating dependencies with limited sample sizes and comprise all the empirical out-of sample generalization approaches, e.g. cross validation (CV) approaches. Although the latter are \emph{not designed for testing competing hypothesis or comparing different models} in neuroimaging, there are a number of theoretical developments within this theory which could be employed to derive a Statistical Agnostic (non-parametric) Mapping (SAM) at voxel or multi-voxel level. Moreover, SAMs could relieve i) the problem of instability in limited sample sizes when estimating the actual risk via the CV approaches, e.g. large error bars, and provide ii) an alternative way of Family-wise-error (FWE) corrected p-value maps in inferential statistics for hypothesis testing. In this sense, we propose a novel framework in neuroimaging based on concentration inequalities, which results in (i) a rigorous development for model validation with a small sample/dimension ratio, and (ii) a less-conservative procedure than FWE p-value correction, to determine the brain significance maps from the inferences made using small upper bounds of the actual risk. | 翻訳日:2023-06-09 23:18:31 公開日:2019-12-27 |
| # ディープニューラルネットワークにおけるネットワークモチーフの発生 Emergence of Network Motifs in Deep Neural Networks ( http://arxiv.org/abs/1912.12244v1 ) ライセンス: Link先を確認 | Matteo Zambra, Alberto Testolin, Amos Maritan | (参考訳) ネットワーク科学は複雑なシステムの構造と機能に関する基本的な洞察を与えることができる。
例えば、神経回路が「ネットワークモチーフ」と呼ばれる基本的な機能的トポロジカルモジュールに組織化されることが広く知られている。
本稿では、自己組織化(学習)の原則に従って動作する人工ニューラルネットワークの研究にも、ネットワークサイエンスツールがうまく適用可能であることを示す。
特に,複数層パーセプトロンにおけるネットワークモチーフの出現について検討し,その初期接続を完全連結二部グラフのスタックとして定義する。
シミュレーションにより,最終ネットワークトポロジーは主に学習ダイナミクスによって形成されるが,適切な重み初期化スキームを選択することで強くバイアスされることが示された。
全体として,非自明な初期化戦略は有用なネットワークモチーフの開発を促進することによって学習をより効果的にすることが示唆された。 Network science can offer fundamental insights into the structural and functional properties of complex systems. For example, it is widely known that neuronal circuits tend to organize into basic functional topological modules, called "network motifs". In this article we show that network science tools can be successfully applied also to the study of artificial neural networks operating according to self-organizing (learning) principles. In particular, we study the emergence of network motifs in multi-layer perceptrons, whose initial connectivity is defined as a stack of fully-connected, bipartite graphs. Our simulations show that the final network topology is primarily shaped by learning dynamics, but can be strongly biased by choosing appropriate weight initialization schemes. Overall, our results suggest that non-trivial initialization strategies can make learning more effective by promoting the development of useful network motifs, which are often surprisingly consistent with those observed in general transduction networks. | 翻訳日:2023-06-09 23:16:22 公開日:2019-12-27 |
| # 磁気共鳴イメージングによる組織微細構造評価の精度限界 Precision limits of tissue microstructure characterization by Magnetic Resonance Imaging ( http://arxiv.org/abs/1912.12239v1 ) ライセンス: Link先を確認 | Analia Zwick, Dieter Suter, Gershon Kurizki, Gonzalo A. Alvarez | (参考訳) 生体組織中の微細構造のキャラクタリゼーションは、病態の早期診断と疾患メカニズムの理解の鍵の1つである。
しかし、非侵襲的磁気共鳴イメージング(MRI)で解決できる特徴の大きさは、関連する構造よりも桁違いに大きいため、微細構造の詳細に基づくバイオマーカーの信頼性の高い情報抽出は依然として課題である。
ここでは、水分子拡散のMRIにより、そのような詳細を得るための最終的な精度限界を量子情報理論から導き出す。
すでに利用可能なmriパルスシーケンスは、期待サイズ、拡散係数、スピン緩和時間$t_{2}$によって一意に決定される制御パラメータを選択することで、究極の精度限界を達成するために最適化できる。
測定毎の最終的な精度限界を達成することにより、計測回数と総取得時間とを、現在の技術状況に比べて劇的に削減することができる。
これらの結果により、MRIは診断情報の豊富さを解き放つ方向に進むことができる。 Characterization of microstructures in live tissues is one of the keys to diagnosing early stages of pathology and understanding disease mechanisms. However, the extraction of reliable information on biomarkers based on microstructure details is still a challenge, as the size of features that can be resolved with non-invasive Magnetic Resonance Imaging (MRI) is orders of magnitude larger than the relevant structures. Here we derive from quantum information theory the ultimate precision limits for obtaining such details by MRI probing of water-molecule diffusion. We show that already available MRI pulse sequences can be optimized to attain the ultimate precision limits by choosing control parameters that are uniquely determined by the expected size, the diffusion coefficient and the spin relaxation time $T_{2}$. By attaining the ultimate precision limit per measurement, the number of measurements and the total acquisition time may be drastically reduced compared to the present state of the art. These results will therefore allow MRI to advance towards unravelling a wealth of diagnostic information. | 翻訳日:2023-06-09 23:16:06 公開日:2019-12-27 |
| # 2つの振動鏡に閉じ込められた重力場における非相対論的粒子のシュリンガー方程式 Schr\"odinger Equation for a Non-Relativistic Particle in a Gravitational Field confined by Two Vibrating Mirrors ( http://arxiv.org/abs/1912.12236v1 ) ライセンス: Link先を確認 | Mario Pitschmann and Hartmut Abele | (参考訳) 等質重力場における粒子の近似解析解を導出し、2つの独立振動ミラーの間に閉じ込める。
これは超低温中性子を重力共鳴分光法に用いるqBOUNCE実験の拡張である。 We derive approximate analytical solutions for a particle in a homogenous gravitational field and confined between two independently vibrating mirrors. This constitutes an extension of the qBOUNCE experiment in which ultra-cold neutrons are employed for Gravity Resonance Spectroscopy. | 翻訳日:2023-06-09 23:15:50 公開日:2019-12-27 |
| # 量子場理論における1ループ図形の複素評価のための深部強化学習 Deep reinforcement learning for complex evaluation of one-loop diagrams in quantum field theory ( http://arxiv.org/abs/1912.12322v1 ) ライセンス: Link先を確認 | Andreas Windisch, Thomas Gallien, Christopher Schwarzlmueller | (参考訳) 本稿では,量子場理論における一ループ図でよく見られる積分の数値解析的連続化を可能にする,深層強化学習に基づく新しい手法を提案する。
スペクトル密度や質量極,多粒子しきい値など,特定の2点関数を抽出するためには,コレレータの解析的継続を行う必要がある。
ユークリッド空間の1ループレベルでは、これはループ運動量の二乗の複素平面におけるループ積分の積分輪郭を変形させ、積分平面の非解析性を避ける必要がある。
厳密な解法が知られている玩具モデルを用いて,強化学習エージェントを訓練し,必要な輪郭変形を行う。
本研究は、クォークプロパゲータ・ダイソン・シュウィンガー方程式やより一般的には第二種類のフレドホルム方程式のような非摂動的2点関数を複素領域で計算するために用いられる反復的な数値的アプローチでエージェントが展開されるという大きな期待を示す。 In this paper we present a novel technique based on deep reinforcement learning that allows for numerical analytic continuation of integrals that are often encountered in one-loop diagrams in quantum field theory. In order to extract certain quantities of two-point functions, such as spectral densities, mass poles or multi-particle thresholds, it is necessary to perform an analytic continuation of the correlator in question. At one-loop level in Euclidean space, this results in the necessity to deform the integration contour of the loop integral in the complex plane of the square of the loop momentum, in order to avoid non-analyticities in the integration plane. Using a toy model for which an exact solution is known, we train a reinforcement learning agent to perform the required contour deformations. Our study shows great promise for an agent to be deployed in iterative numerical approaches used to compute non-perturbative 2-point functions, such as the quark propagator Dyson-Schwinger equation, or more generally, Fredholm equations of the second kind, in the complex domain. | 翻訳日:2023-06-09 23:07:56 公開日:2019-12-27 |
| # ランダム量子計測の不整合確率 Incompatibility probability of random quantum measurements ( http://arxiv.org/abs/1912.12321v1 ) ライセンス: Link先を確認 | Lin Zhang and Hua Xiang and Xianqing Li-Jost and Shao-Ming Fei | (参考訳) 量子測定の非互換性は、量子力学において基本的な重要性である。
これはベル非局所性、量子不確実性関係、量子ステアリングなど多くの非古典的現象と密接に関連している。
与えられた$d$次元空間における$n$の測定値の集合に対する量子互換の必要十分条件について検討する。
2-qubit測定の整合性基準から,一対の独立確率測定の不整合確率を計算する。
偏りのない一対のランダム量子ビット測定では、不整合確率はちょうど$\frac35$である。
より詳細な結果は、一般的な量子ビット測定のペアの数値にも示される。 Incompatibility of quantum measurements is of fundamental importance in quantum mechanics. It is closely related to many nonclassical phenomena such as Bell nonlocality, quantum uncertainty relations, and quantum steering. We study the necessary and sufficient conditions of quantum compatibility for a given collection of $n$ measurements in $d$-dimensional space. From the compatibility criterion for two-qubit measurements, we compute the incompatibility probability of a pair of independent random measurements. For a pair of unbiased random qubit measurements, we derive that the incompatibility probability is exactly $\frac35$. Detailed results are also presented in figures for pairs of general qubit measurements. | 翻訳日:2023-06-09 23:07:25 公開日:2019-12-27 |
| # 医用画像登録における深層学習 Deep Learning in Medical Image Registration: A Review ( http://arxiv.org/abs/1912.12318v1 ) ライセンス: Link先を確認 | Yabo Fu, Yang Lei, Tonghe Wang, Walter J. Curran, Tian Liu, Xiaofeng Yang | (参考訳) 本稿では,深層学習(DL)に基づく医用画像登録手法について概説する。
医学分野におけるDLベースの登録手法の最近の展開と応用について要約した。
これらの手法は,その方法,機能,人気に応じて7つのカテゴリに分類された。
各カテゴリの詳細なレビューが公開され、重要な貢献と特定の課題の特定が強調された。
それぞれのカテゴリの詳細なレビューを経て,その成果と今後の可能性をまとめた短い評価を行った。
dlベースの肺および脳の変形性登録法をベンチマークデータセットを用いて包括的に比較した。
最後に,様々な側面から引用されたすべての作品の統計を分析し,深層学習を用いた医用画像登録の普及傾向と今後の動向を明らかにした。 This paper presents a review of deep learning (DL) based medical image registration methods. We summarized the latest developments and applications of DL-based registration methods in the medical field. These methods were classified into seven categories according to their methods, functions and popularity. A detailed review of each category was presented, highlighting important contributions and identifying specific challenges. A short assessment was presented following the detailed review of each category to summarize its achievements and future potentials. We provided a comprehensive comparison among DL-based methods for lung and brain deformable registration using benchmark datasets. Lastly, we analyzed the statistics of all the cited works from various aspects, revealing the popularity and future trend of development in medical image registration using deep learning. | 翻訳日:2023-06-09 23:07:18 公開日:2019-12-27 |
| # フェルミオンガウス状態の対称対数微分 Symmetric Logarithmic Derivative of Fermionic Gaussian States ( http://arxiv.org/abs/1912.12313v1 ) ライセンス: Link先を確認 | Angelo Carollo, Bernardo Spagnolo and Davide Valenti | (参考訳) 本稿では、フェルミオンガウス状態の対称対数微分に対する閉形式表現を導出する。
これはフェルミオンガウス状態に対する量子フィッシャー情報を直接計算する方法を提供する。
応用は熱状態を持つ量子メトロロジーやフェルミオン多体系を持つ非平衡定常状態まで様々である。 In this article we derive a closed form expression for the symmetric logarithmic derivative of Fermionic Gaussian states. This provides a direct way of computing the quantum Fisher Information for Fermionic Gaussian states. Applications ranges from quantum Metrology with thermal states and non-equilibrium steady states with Fermionic many-body systems. | 翻訳日:2023-06-09 23:07:07 公開日:2019-12-27 |
| # チーティングによる学習 Learning by Cheating ( http://arxiv.org/abs/1912.12294v1 ) ライセンス: Link先を確認 | Dian Chen and Brady Zhou and Vladlen Koltun and Philipp Kr\"ahenb\"uhl | (参考訳) ビジョンベースの都市運転は難しい。
自律システムは世界を知覚し行動するために学ぶ必要があります。
この難解な学習問題を2段階に分解することで単純化できることを示す。
まず、特権のある情報にアクセスするエージェントを訓練します。
この特権的なエージェントは、環境の接地配置と全ての交通参加者の位置を観察することで不正を犯す。
第2段階では、特権エージェントは、純粋に視覚に基づく感覚運動エージェントを訓練する教師として機能する。
その結果得られるsensorimotorエージェントは、特権情報にアクセスできず、浮気もしない。
この2段階のトレーニング手順は最初は直感に反するが、我々が分析し実証的に示す重要な利点がいくつかある。
提案手法は,carlaベンチマークや先日のnocrashベンチマークの最先端技術に匹敵するビジョンベースの自律運転システムをトレーニングするために使用する。
提案手法は,従来のCARLAベンチマークのすべてのタスクにおける100%の成功率を初めて達成し,NoCrashベンチマークに新しい記録を樹立し,従来の技術と比較すると,屈折率を桁違いに低減する。
この作品を要約したビデオはhttps://youtu.be/u9zcxxd-uuwを参照。 Vision-based urban driving is hard. The autonomous system needs to learn to perceive the world and act in it. We show that this challenging learning problem can be simplified by decomposing it into two stages. We first train an agent that has access to privileged information. This privileged agent cheats by observing the ground-truth layout of the environment and the positions of all traffic participants. In the second stage, the privileged agent acts as a teacher that trains a purely vision-based sensorimotor agent. The resulting sensorimotor agent does not have access to any privileged information and does not cheat. This two-stage training procedure is counter-intuitive at first, but has a number of important advantages that we analyze and empirically demonstrate. We use the presented approach to train a vision-based autonomous driving system that substantially outperforms the state of the art on the CARLA benchmark and the recent NoCrash benchmark. Our approach achieves, for the first time, 100% success rate on all tasks in the original CARLA benchmark, sets a new record on the NoCrash benchmark, and reduces the frequency of infractions by an order of magnitude compared to the prior state of the art. For the video that summarizes this work, see https://youtu.be/u9ZCxxD-UUw | 翻訳日:2023-06-09 23:05:37 公開日:2019-12-27 |
| # デバイス連携によるフェデレーションラーニング - 大規模IoTネットワークに対するコンセンサスアプローチ Federated Learning with Cooperating Devices: A Consensus Approach for Massive IoT Networks ( http://arxiv.org/abs/1912.13163v1 ) ライセンス: Link先を確認 | Stefano Savazzi, Monica Nicoli, Vittorio Rampa | (参考訳) federated learning(fl)は、分散システムで機械学習モデルをトレーニングするための新しいパラダイムとして登場している。
トレーニングデータセットをサーバと共有し、公開する代わりに、モデルパラメータ(ニューラルネットワークの重みやバイアスなど)は、相互接続されたデバイスの集団によって最適化され、ローカル学習者として振る舞う。
FLは、遅くて散発的な接続を持つ電力制約のIoTデバイスに適用することができる。
さらに、サードパーティにエクスポートするデータを必要とせず、プライバシを保持する。
このようなメリットにもかかわらず、既存のアプローチの主な制限は、ローカルパラメータの集約と融合のためのサーバに依存する集中型最適化である。
提案するflアルゴリズムは、ネットワーク内でデータ操作を行うデバイスの協調を利用して、局所的な計算とコンセンサスに基づく手法による相互インタラクションを反復する。
このアプローチは、分散接続とコンピューティングによって特徴付けられる5gおよびそれ以上のネットワークにおけるflの統合のための土台であり、エンドデバイスに分散されたインテリジェンスである。
提案手法は,産業用IoT環境内で収集した実験データセットによって検証される。 Federated learning (FL) is emerging as a new paradigm to train machine learning models in distributed systems. Rather than sharing, and disclosing, the training dataset with the server, the model parameters (e.g. neural networks weights and biases) are optimized collectively by large populations of interconnected devices, acting as local learners. FL can be applied to power-constrained IoT devices with slow and sporadic connections. In addition, it does not need data to be exported to third parties, preserving privacy. Despite these benefits, a main limit of existing approaches is the centralized optimization which relies on a server for aggregation and fusion of local parameters; this has the drawback of a single point of failure and scaling issues for increasing network size. The paper proposes a fully distributed (or server-less) learning approach: the proposed FL algorithms leverage the cooperation of devices that perform data operations inside the network by iterating local computations and mutual interactions via consensus-based methods. The approach lays the groundwork for integration of FL within 5G and beyond networks characterized by decentralized connectivity and computing, with intelligence distributed over the end-devices. The proposed methodology is verified by experimental datasets collected inside an industrial IoT environment. | 翻訳日:2023-06-09 22:59:38 公開日:2019-12-27 |
| # クラウドエコシステムにおけるマルウェア対策の深化に向けて Towards Deep Federated Defenses Against Malware in Cloud Ecosystems ( http://arxiv.org/abs/1912.12370v1 ) ライセンス: Link先を確認 | Josh Payne and Ashish Kundu | (参考訳) 多くの仮想マシン、コンテナ、その他のシステムを持つクラウドコンピューティング環境では、マルウェアの流行がビジネスプロセスを脅かす可能性がある。
本稿では,グラフ,ハイパーグラフ,自然言語における機械学習の最近の進歩を利用して,マルウェアの検出と解析を行う階層的アプローチを提案する。
個々のシステムとそのログを分析し,注意系列モデルを用いてその動作を検査し,理解する。
本手法を用いて各システムログの特徴表現を行い,システムや他のコンポーネントを頂点としてクラウドの属性ネットワークを構築し,インダクティブグラフとハイパーグラフ学習モデルを用いたマルウェアの解析を提案する。
この基盤では,プライバシ要件が異なる複数のクラウドがマルウェアの拡散に対して協力し,プライバシを維持しながら推論やトレーニングを行うための連合学習の利用を提案するマルチクラウドケースを検討する。
最後に、ロバストなエコシステムの設計、応答戦略のためのクラウド固有の最適化問題、マルウェアの封じ込めと根絶のためのアクションスペースの特定、この分野における機械学習モデルの事前および移行学習タスクの開発に関連する、クラウドコンピューティング環境の防御に残るいくつかのオープンな問題について議論する。 In cloud computing environments with many virtual machines, containers, and other systems, an epidemic of malware can be highly threatening to business processes. In this vision paper, we introduce a hierarchical approach to performing malware detection and analysis using several recent advances in machine learning on graphs, hypergraphs, and natural language. We analyze individual systems and their logs, inspecting and understanding their behavior with attentional sequence models. Given a feature representation of each system's logs using this procedure, we construct an attributed network of the cloud with systems and other components as vertices and propose an analysis of malware with inductive graph and hypergraph learning models. With this foundation, we consider the multicloud case, in which multiple clouds with differing privacy requirements cooperate against the spread of malware, proposing the use of federated learning to perform inference and training while preserving privacy. Finally, we discuss several open problems that remain in defending cloud computing environments against malware related to designing robust ecosystems, identifying cloud-specific optimization problems for response strategy, action spaces for malware containment and eradication, and developing priors and transfer learning tasks for machine learning models in this area. | 翻訳日:2023-06-09 22:59:18 公開日:2019-12-27 |
| # 変分量子固有解法を用いた近似グラフスペクトル分解 Approximate Graph Spectral Decomposition with the Variational Quantum Eigensolver ( http://arxiv.org/abs/1912.12366v1 ) ライセンス: Link先を確認 | Josh Payne and Mario Srouji | (参考訳) スペクトルグラフ理論(英: Spectral graph theory)は、ラプラス行列と隣接行列の固有ベクトルと固有値の関係を研究する数学の分野である。
変分量子固有解法(VQE)アルゴリズムは、ハミルトンの基底状態の迅速な決定に使用されるハイブリッド量子/古典的アルゴリズムとして提案され、より一般的には行列 $M\in \mathbb{R}^{n\times n}$ の最小固有値である。
関連する行列のスペクトル分解(分割、埋め込み、その他の性質の決定など)に関連する多くの興味深い問題が存在する。
本稿では, vqeアルゴリズムを拡張し, 有向グラフと非有向グラフのスペクトル解析を行う。
我々は,アンサッツパラメータ,グラフサイズ,グラフ密度,行列タイプの異なる選択間の実行時間と精度の比較を評価し,最大64頂点のグラフ上のリゲッティのqcsプラットフォーム上での手法の有効性を実証し,隣接行列とラプラシア行列の固有値を求める。
量子コンピュータを用いて実行した場合のアルゴリズムの超多項実行時間の改善を観測し,量子仮想マシン (qvm) と古典的性能を直接比較した。 Spectral graph theory is a branch of mathematics that studies the relationships between the eigenvectors and eigenvalues of Laplacian and adjacency matrices and their associated graphs. The Variational Quantum Eigensolver (VQE) algorithm was proposed as a hybrid quantum/classical algorithm that is used to quickly determine the ground state of a Hamiltonian, and more generally, the lowest eigenvalue of a matrix $M\in \mathbb{R}^{n\times n}$. There are many interesting problems associated with the spectral decompositions of associated matrices, such as partitioning, embedding, and the determination of other properties. In this paper, we will expand upon the VQE algorithm to analyze the spectra of directed and undirected graphs. We evaluate runtime and accuracy comparisons (empirically and theoretically) between different choices of ansatz parameters, graph sizes, graph densities, and matrix types, and demonstrate the effectiveness of our approach on Rigetti's QCS platform on graphs of up to 64 vertices, finding eigenvalues of adjacency and Laplacian matrices. We finally make direct comparisons to classical performance with the Quantum Virtual Machine (QVM) in the appendix, observing a superpolynomial runtime improvement of our algorithm when run using a quantum computer. | 翻訳日:2023-06-09 22:58:59 公開日:2019-12-27 |
| # 音楽調和の構造的特徴 Structural characterization of musical harmonies ( http://arxiv.org/abs/1912.12362v1 ) ライセンス: Link先を確認 | Maria Rojo Gonz\'alez and Simone Santini | (参考訳) コミュニケーション媒体としての音楽を効果的に活用するためには,調和の構造的特徴を理解することが不可欠である。
音楽の3つの表現力のある軸(メロディ、リズム、ハーモニー)のうち、調和は感情的コンテンツが構築される基盤であり、その理解はマルチメディアや感情的コンピューティングといった分野において重要である。
計算科学におけるこの種の構造を研究する一般的な道具は形式文法であるが、音楽の場合には、音楽理論で定義されたいくつかの概念の曖昧な性質のために文法が問題にぶつかる。
そこで,本論文では,楽曲の途中で鍵が変化すること,すなわち感情を表現するための音楽の能力を高めるために多くの作家が使用する重要な道具について考察する。
そこで本研究では, 証拠収集法が変調を検知し, 検出された声調に基づいて非あいまいな文法を用いて各音節成分の構造を解析できるハイブリッド手法を開発した。
XVIIとXVIII世紀の音楽による実験では、ほぼ97%のケースにおいて、少なくとも2つの和音の誤りで変調の正確な点を検出することができた。
最後に,音楽調和の完全変調と構造解析の例を示す。 Understanding the structural characteristics of harmony is essential for an effective use of music as a communication medium. Of the three expressive axes of music (melody, rhythm, harmony), harmony is the foundation on which the emotional content is built, and its understanding is important in areas such as multimedia and affective computing. The common tool for studying this kind of structure in computing science is the formal grammar but, in the case of music, grammars run into problems due to the ambiguous nature of some of the concepts defined in music theory. In this paper, we consider one of such constructs: modulation, that is, the change of key in the middle of a musical piece, an important tool used by many authors to enhance the capacity of music to express emotions. We develop a hybrid method in which an evidence-gathering numerical method detects modulation and then, based on the detected tonalities, a non-ambiguous grammar can be used for analyzing the structure of each tonal component. Experiments with music from the XVII and XVIII centuries show that we can detect the precise point of modulation with an error of at most two chords in almost 97% of the cases. Finally, we show examples of complete modulation and structural analysis of musical harmonies. | 翻訳日:2023-06-09 22:58:07 公開日:2019-12-27 |
| # softadapt:多部分損失関数を用いたニューラルネットワークの適応損失重み付け手法 SoftAdapt: Techniques for Adaptive Loss Weighting of Neural Networks with Multi-Part Loss Functions ( http://arxiv.org/abs/1912.12355v1 ) ライセンス: Link先を確認 | A. Ali Heydari, Craig A. Thompson and Asif Mehmood | (参考訳) 適応的損失関数の定式化は研究の活発な領域であり、近年はディープラーニングの成功を受けて大きな人気を集めている。
しかし、適応損失関数の既存のフレームワークは、しばしば緩やかな収束と損失成分の重み選択に悩まされる。
伝統的に、多部損失関数の要素は等しく重み付けされるか、あるいはその重み付けは、準最適(または準最適)な結果をもたらすヒューリスティックなアプローチによって決定される。
この問題に対処するため、我々は、コンポーネント損失のライブパフォーマンス統計に基づいて、多部損失関数の関数重みを動的に変更する、SoftAdaptと呼ばれる一連の手法を提案する。
SoftAdaptは数学的に直感的で、計算効率が良く、実装も簡単です。
本稿では,SoftAdaptの数学的定式化と擬似コードについて,画像再構成(スパースオートエンコーダ)と合成データ生成(イントロスペクティブ変分オートエンコーダ)に適用した結果とともに述べる。 Adaptive loss function formulation is an active area of research and has gained a great deal of popularity in recent years, following the success of deep learning. However, existing frameworks of adaptive loss functions often suffer from slow convergence and poor choice of weights for the loss components. Traditionally, the elements of a multi-part loss function are weighted equally or their weights are determined through heuristic approaches that yield near-optimal (or sub-optimal) results. To address this problem, we propose a family of methods, called SoftAdapt, that dynamically change function weights for multi-part loss functions based on live performance statistics of the component losses. SoftAdapt is mathematically intuitive, computationally efficient and straightforward to implement. In this paper, we present the mathematical formulation and pseudocode for SoftAdapt, along with results from applying our methods to image reconstruction (Sparse Autoencoders) and synthetic data generation (Introspective Variational Autoencoders). | 翻訳日:2023-06-09 22:57:26 公開日:2019-12-27 |
| # ニューラルプログラム合成のための合成データセット Synthetic Datasets for Neural Program Synthesis ( http://arxiv.org/abs/1912.12345v1 ) ライセンス: Link先を確認 | Richard Shin, Neel Kant, Kavi Gupta, Christopher Bender, Brandon Trabucco, Rishabh Singh, Dawn Song | (参考訳) プログラム合成の目標は、入力出力動作など、対応する仕様から特定の言語でプログラムを自動的に生成することである。
現在の多くのアプローチは、ロバストフィルの文字列変換のように、限定されたドメイン固有言語(dsl)でランダムに生成されたi/oサンプルをトレーニングした後、印象的な結果を得る。
しかし、制御フローとリッチな入力空間を持つ言語にテスト入力生成技術を適用すると、深層ネットワークが特定のデータ分布に悪影響を及ぼすことを実証的に発見し、これを補正するために、プログラムと仕様の両方にまたがる合成データ分布のバイアスを制御し評価する新しい手法を提案する。
本稿では,Karel DSLと小さなCalculator DSLを用いて,これらの分布上でのディープネットワークのトレーニングにより,分散一般化性能が向上することを示す。 The goal of program synthesis is to automatically generate programs in a particular language from corresponding specifications, e.g. input-output behavior. Many current approaches achieve impressive results after training on randomly generated I/O examples in limited domain-specific languages (DSLs), as with string transformations in RobustFill. However, we empirically discover that applying test input generation techniques for languages with control flow and rich input space causes deep networks to generalize poorly to certain data distributions; to correct this, we propose a new methodology for controlling and evaluating the bias of synthetic data distributions over both programs and specifications. We demonstrate, using the Karel DSL and a small Calculator DSL, that training deep networks on these distributions leads to improved cross-distribution generalization performance. | 翻訳日:2023-06-09 22:57:06 公開日:2019-12-27 |
| # MRI再構成のためのODEベースディープネットワーク ODE-based Deep Network for MRI Reconstruction ( http://arxiv.org/abs/1912.12325v1 ) ライセンス: Link先を確認 | Ali Pour Yazdanpanah, Onur Afacan, Simon K. Warfield | (参考訳) 磁気共鳴イメージング(MRI)における高速なデータ取得は需要が大きく、スキャン時間は取得したk空間サンプルの数に直接依存する。
ディープニューラルネットワークに基づくデータ駆動手法は、画像再構成アルゴリズムにおいて従来の手法と比較して有望な改善をもたらした。
ディープニューラルネットワークと通常微分方程式(ODE)の関連性は近年観察され研究されている。
これらの研究は、異なる残留ネットワークをODEのオイラー離散化と解釈できることを示した。
本稿では,画像品質を向上したMR画像の高速取得を実現するために,MRI再構成のためのODEベースのディープネットワークを提案する。
その結果,本手法は標準unetネットワークと残差ネットワークに基づく再構成手法と比較して,高品質な画像を提供することができることが分かった。 Fast data acquisition in Magnetic Resonance Imaging (MRI) is vastly in demand and scan time directly depends on the number of acquired k-space samples. The data-driven methods based on deep neural networks have resulted in promising improvements, compared to the conventional methods, in image reconstruction algorithms. The connection between deep neural network and Ordinary Differential Equation (ODE) has been observed and studied recently. The studies show that different residual networks can be interpreted as Euler discretization of an ODE. In this paper, we propose an ODE-based deep network for MRI reconstruction to enable the rapid acquisition of MR images with improved image quality. Our results with undersampled data demonstrate that our method can deliver higher quality images in comparison to the reconstruction methods based on the standard UNet network and Residual network. | 翻訳日:2023-06-09 22:55:45 公開日:2019-12-27 |
| # TBC-Net:意味制約を用いた赤外線小目標検出のためのリアルタイム検出器 TBC-Net: A real-time detector for infrared small target detection using semantic constraint ( http://arxiv.org/abs/2001.05852v1 ) ライセンス: Link先を確認 | Mingxin Zhao, Li Cheng, Xu Yang, Peng Feng, Liyuan Liu, and Nanjian Wu | (参考訳) 赤外線小目標検出は赤外線サーチ・トラッキング(irst)システムにおいて重要な技術である。
近年,可視光画像の視覚タスクにおいて深層学習が広く用いられているが,小目標特徴の学習が困難であるため,赤外線小目標検出にはほとんど使われていない。
本稿では,赤外線小ターゲット検出のための軽量畳み込みニューラルネットワークTBC-Netを提案する。
TBCNetは、ターゲット抽出モジュール(TEM)とセマンティック制約モジュール(SCM)から構成され、赤外線画像から小さなターゲットを抽出し、トレーニング中に抽出されたターゲット画像をそれぞれ分類するために使用される。
一方,共同損失関数と訓練方法を提案する。
SCMは、高レベルの分類タスクを組み合わせることでTEMに意味的制約を課し、クラス不均衡問題に起因する特徴の習得の困難さを解決する。
トレーニング中、ターゲットは入力画像から抽出され、SCMによって分類される。
推論中は、TEMのみを使用して小さなターゲットを検出する。
また,トレーニングデータを生成するデータ合成手法を提案する。
実験の結果,tbc-netは従来の手法に比べ,複雑な背景による誤報を効果的に低減できることがわかった。
さらにtbc-netはnvidia jetson agx xavier開発ボードでリアルタイム検出が可能で、赤外線センサーを搭載したドローンによるフィールドリサーチなどに適している。 Infrared small target detection is a key technique in infrared search and tracking (IRST) systems. Although deep learning has been widely used in the vision tasks of visible light images recently, it is rarely used in infrared small target detection due to the difficulty in learning small target features. In this paper, we propose a novel lightweight convolutional neural network TBC-Net for infrared small target detection. The TBCNet consists of a target extraction module (TEM) and a semantic constraint module (SCM), which are used to extract small targets from infrared images and to classify the extracted target images during the training, respectively. Meanwhile, we propose a joint loss function and a training method. The SCM imposes a semantic constraint on TEM by combining the high-level classification task and solve the problem of the difficulty to learn features caused by class imbalance problem. During the training, the targets are extracted from the input image and then be classified by SCM. During the inference, only the TEM is used to detect the small targets. We also propose a data synthesis method to generate training data. The experimental results show that compared with the traditional methods, TBC-Net can better reduce the false alarm caused by complicated background, the proposed network structure and joint loss have a significant improvement on small target feature learning. Besides, TBC-Net can achieve real-time detection on the NVIDIA Jetson AGX Xavier development board, which is suitable for applications such as field research with drones equipped with infrared sensors. | 翻訳日:2023-06-09 22:47:05 公開日:2019-12-27 |
| # CNNアーキテクチャにおけるFRPNの埋め込み Embedding of FRPN in CNN architecture ( http://arxiv.org/abs/2001.05851v1 ) ライセンス: Link先を確認 | Alberto Rossi, Markus Hagenbuchner, Franco Scarselli, Ah Chung Tsoi | (参考訳) 本稿では,ベクトル入力に対する完全再帰パーセプトロンネットワーク(FRPN)モデルを拡張し,多次元入力を受信可能な深部畳み込みニューラルネットワーク(CNN)を含む。
FRPNは再帰層で構成され、固定された入力が与えられたとき、反復的に平衡状態を計算する。
このような反復的なメカニズムで実現された展開は、どんな層でもディープニューラルネットワークをシミュレートすることができる。
FRPN を CNN に拡張すると、畳み込み層が再帰的に再帰する、畳み込み-FRPN (C-FRPN) と呼ばれる構造が得られる。
この手法は複数の画像分類ベンチマークで評価される。
C-FRPNは、同じ数のパラメータを持つ標準CNNよりも一貫して優れていることが示されている。
C-FRPNは非常に強力なアーキテクチャであり、深いCNNと比較してパラメータが少ないため、性能の差は特に大きい。 This paper extends the fully recursive perceptron network (FRPN) model for vectorial inputs to include deep convolutional neural networks (CNNs) which can accept multi-dimensional inputs. A FRPN consists of a recursive layer, which, given a fixed input, iteratively computes an equilibrium state. The unfolding realized with this kind of iterative mechanism allows to simulate a deep neural network with any number of layers. The extension of the FRPN to CNN results in an architecture, which we call convolutional-FRPN (C-FRPN), where the convolutional layers are recursive. The method is evaluated on several image classification benchmarks. It is shown that the C-FRPN consistently outperforms standard CNNs having the same number of parameters. The gap in performance is particularly large for small networks, showing that the C-FRPN is a very powerful architecture, since it allows to obtain equivalent performance with fewer parameters when compared with deep CNNs. | 翻訳日:2023-06-09 22:46:41 公開日:2019-12-27 |
| # 進化戦略は差分に収束する Evolution Strategies Converges to Finite Differences ( http://arxiv.org/abs/2001.01684v1 ) ライセンス: Link先を確認 | John C. Raisbeck (1), Matthew Allen (1), Ralph Weissleder (1), Hyungsoon Im (1), Hakho Lee (1) ((1) Massachusetts General Hospital) | (参考訳) 2017年にSalimansらによる強化学習のツールとしてEvolution Strategies (ES)が登場して以来、進化戦略勾配と類似のアルゴリズムであるFinite differences (FD)の勾配の正確な関係を決定することに関心が寄せられている。
(Zhang et al. 2017、Lehman et al. 2018)
ESとFDの正式なモチベーションの違い(Lehman et al. 2018)、機械学習における標準ベンチマーク問題、MNIST分類問題(Zhang et al. 2017)などについて、いくつかの調査が行われている。
本稿では、勾配が異なるが、最適化下のベクトルの次元が増加するにつれて収束することを示す。 Since the debut of Evolution Strategies (ES) as a tool for Reinforcement Learning by Salimans et al. 2017, there has been interest in determining the exact relationship between the Evolution Strategies gradient and the gradient of a similar class of algorithms, Finite Differences (FD).(Zhang et al. 2017, Lehman et al. 2018) Several investigations into the subject have been performed, investigating the formal motivational differences(Lehman et al. 2018) between ES and FD, as well as the differences in a standard benchmark problem in Machine Learning, the MNIST classification problem(Zhang et al. 2017). This paper proves that while the gradients are different, they converge as the dimension of the vector under optimization increases. | 翻訳日:2023-06-09 22:46:00 公開日:2019-12-27 |
| # ライヘンバッハの原理の文脈における混合、トンネル、時間方向 Mixing, tunnelling and the direction of time in the context of Reichenbach's principles ( http://arxiv.org/abs/2001.00527v1 ) ライセンス: Link先を確認 | A. Y. Klimenko | (参考訳) この研究はハンス・ライヒェンバッハが導入した時間方向の理解について、知覚される時間の流れと熱力学の第2法則(ボルツマン時間仮説)の基本的な関係、エントロピー増加の並列性の原理についてレビューする。
ここでライヒェンバッハの考えと合致して進歩した量子効果を伴う混合過程の例では、現在未知の機構が存在し、宇宙で広く普及している大域的な条件を反映し、局所的に時間方向(すなわち「時間プライマー」)を定めている。
時間プライマーがcpt不変である場合、現在の技術レベル下での高エネルギー実験でその検出が可能となる。 This work reviews the understanding of the direction of time introduced by Hans Reichenbach, including the fundamental relation of the perceived flow of time to the second law of thermodynamics (i.e. the Boltzmann time hypothesis), and the principle of parallelism of entropy increase. An example of a mixing process with quantum effects, which is advanced here in conjunction with Reichenbach's ideas, indicates the existence of a presently unknown mechanism that reflects global conditions prevailing in the universe and enacts the direction of time locally (i.e. the "time primer"). The possibility of experimental detection of the time primer is also discussed: if the time primer is CPT-invariant, its detection may be possible in high-energy experiments under the current level of technology. | 翻訳日:2023-06-09 22:45:44 公開日:2019-12-27 |
| # 2次元LIDARと再構成可能なミラーを用いた移動物体の3次元センシング 3D Sensing of a Moving Object with a Nodding 2D LIDAR and Reconfigurable Mirrors ( http://arxiv.org/abs/1912.13461v1 ) ライセンス: Link先を確認 | Anindya Harchowdhury, Lindsay Kleeman, Leena Vachhani | (参考訳) 3dの認識は、ロボティクスのアプリケーションの大部分で標準的なプラクティスになっている。
高品質な3D認識は費用がかかる。
従来のNodding 2D Lidarでは,高品質な3次元深度情報を低コストで提供していたが,このセンサによって生成されたスパースデータは,不確実な環境下での移動物体の特性を理解する上での課題となっている。
本稿では,ノディングライダーの新たな設計を提案するが,光学鏡の集合を用いてセンサの視野を制限するという観点から,動的再構成性を提供する。
より密度の高いスキャンを提供するだけでなく、スキャン更新率も3倍に向上する。
さらに,このセンサのキャリブレーション機構を新たに提案し,動的物体検出と追跡に有効であることを示す。 Perception in 3D has become standard practice for a large part of robotics applications. High quality 3D perception is costly. Our previous work on a nodding 2D Lidar provides high quality 3D depth information with low cost, but the sparse data generated by this sensor poses challenges in understanding the characteristics of moving objects within an uncertain environment. This paper proposes a novel design of the nodding Lidar but provides dynamic reconfigurability in terms of limiting the field of view of the sensor using a set of optical mirrors. It not only provides denser scans, but it also achieves a three times higher scan update rate. Additionally, we propose a novel calibration mechanism for this sensor and prove its effectiveness for dynamic object detection and tracking. | 翻訳日:2023-06-09 22:44:59 公開日:2019-12-27 |