論文の概要: Learning similarity measures from data

• arxiv url: http://arxiv.org/abs/2001.05312v1
• Date: Wed, 15 Jan 2020 13:29:48 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-11 05:47:17.963105
• Title: Learning similarity measures from data
• Title（参考訳）: データから類似度を学習する
• Authors: Bj{\o}rn Magnus Mathisen, Agnar Aamodt, Kerstin Bach, Helge Langseth
• Abstract要約: 類似度尺度を定義することは、いくつかの機械学習手法の要件である。 データセットは通常、CBRや機械学習システムの構築の一部として収集される。 本研究の目的は,機械学習を用いて類似度を効果的に学習する方法を検討することである。
• 参考スコア（独自算出の注目度）: 1.4766350834632755
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Defining similarity measures is a requirement for some machine learning methods. One such method is case-based reasoning (CBR) where the similarity measure is used to retrieve the stored case or set of cases most similar to the query case. Describing a similarity measure analytically is challenging, even for domain experts working with CBR experts. However, data sets are typically gathered as part of constructing a CBR or machine learning system. These datasets are assumed to contain the features that correctly identify the solution from the problem features, thus they may also contain the knowledge to construct or learn such a similarity measure. The main motivation for this work is to automate the construction of similarity measures using machine learning, while keeping training time as low as possible. Our objective is to investigate how to apply machine learning to effectively learn a similarity measure. Such a learned similarity measure could be used for CBR systems, but also for clustering data in semi-supervised learning, or one-shot learning tasks. Recent work has advanced towards this goal, relies on either very long training times or manually modeling parts of the similarity measure. We created a framework to help us analyze current methods for learning similarity measures. This analysis resulted in two novel similarity measure designs. One design using a pre-trained classifier as basis for a similarity measure. The second design uses as little modeling as possible while learning the similarity measure from data and keeping training time low. Both similarity measures were evaluated on 14 different datasets. The evaluation shows that using a classifier as basis for a similarity measure gives state of the art performance. Finally the evaluation shows that our fully data-driven similarity measure design outperforms state of the art methods while keeping training time low.
• Abstract（参考訳）: 類似度尺度を定義することは、いくつかの機械学習手法の要件である。 そのような方法の1つがcase-based reasoning (cbr) で、クエリケースに最もよく似た格納されたケースやケースのセットを取得するために類似度尺度が使用される。 類似度を分析的に記述することは、CBRの専門家と仕事をするドメインエキスパートにとっても難しい。 しかし、データセットは通常、CBRや機械学習システムの構築の一部として収集される。 これらのデータセットは、問題の特徴から解を正しく識別する特徴を含むと仮定され、そのような類似度尺度の構築や学習の知識も含んでいる。 この研究の主な動機は、トレーニング時間を可能な限り低く保ちながら、マシンラーニングを用いた類似度尺度の構築を自動化することである。 本研究の目的は,機械学習を用いて類似度を効果的に学習する方法を検討することである。 このような学習された類似度尺度は、CBRシステムだけでなく、半教師付き学習やワンショット学習タスクにおけるデータのクラスタリングにも使用できる。 最近の研究はこの目標に向けて進んでおり、非常に長いトレーニング時間か、類似度尺度の一部を手動でモデル化している。 類似度尺度を学習するための現在の方法を分析するためのフレームワークを構築した。 この分析により、2つの新しい類似度尺度が作られた。 類似度尺度の基礎として事前学習した分類器を用いる設計。 2つ目の設計では、データから類似度を学習し、トレーニング時間を低く保ちながら、可能な限り小さなモデリングを使用する。 両者の類似性は14の異なるデータセットで評価された。 類似度尺度の基準として分類器を用いると,その性能が向上することを示す。 最後に,データ駆動型類似度尺度の設計は,トレーニング時間を低く保ちながら,技術手法の状態を上回っていることを示す。

関連論文リスト

• Measuring similarity between embedding spaces using induced neighborhood graphs [10.056989400384772]
  本稿では,ペアの項目表現の類似性を評価するための指標を提案する。 この結果から,類似度とゼロショット分類タスクの精度が類似度と相関していることが示唆された。
  論文  参考訳（メタデータ） (2024-11-13T15:22:33Z)
• Differentiable Optimization of Similarity Scores Between Models and Brains [1.5391321019692434]
  線形回帰、CKA(Centered Kernel Alignment)、正規化バーレス類似度(NBS)、角状プロクリスト距離といった類似度は、この類似度を定量化するためにしばしば用いられる。 本稿では、類似度の高いスコアと「良い」スコアを構成するスコアについて調査する新しいツールについて紹介する。 驚くべきことに、高い類似度スコアは、ニューラルデータと整合した方法でタスク関連情報を符号化することを保証していない。
  論文  参考訳（メタデータ） (2024-07-09T17:31:47Z)
• Matched Machine Learning: A Generalized Framework for Treatment Effect Inference With Learned Metrics [87.05961347040237]
  我々は、機械学習ブラックボックスの柔軟性とマッチングの解釈可能性を組み合わせたフレームワークであるMatched Machine Learningを紹介する。 我々のフレームワークは機械学習を用いて、一致した単位を学習し、結果を推定する最適な指標を学習する。 一致機械学習のインスタンスはブラックボックスの機械学習手法と同等に動作し、類似した問題に対する既存のマッチング手法よりも優れていることを実証的に示す。
  論文  参考訳（メタデータ） (2023-04-03T19:32:30Z)
• Similarity between Units of Natural Language: The Transition from Coarse to Fine Estimation [0.0]
  人間の言語ユニット間の類似性を捉えることは、人間がどう異なる物体を関連づけるかを説明するのに不可欠です。 この論文における私の研究目標は、より洗練された方法で言語単位間の類似性を考慮した回帰モデルを開発することです。
  論文  参考訳（メタデータ） (2022-10-25T18:54:32Z)
• Attributable Visual Similarity Learning [90.69718495533144]
  本稿では、画像間のより正確で説明可能な類似度測定のための帰属的視覚類似度学習(AVSL)フレームワークを提案する。 人間の意味的類似性認知に動機づけられた2つの画像とグラフとの類似性を表現するために,一般化された類似性学習パラダイムを提案する。 CUB-200-2011、Cars196、Stanford Online Productsデータセットの実験は、既存の深い類似性学習方法よりも大幅に改善されたことを示している。
  論文  参考訳（メタデータ） (2022-03-28T17:35:31Z)
• Towards Similarity-Aware Time-Series Classification [51.2400839966489]
  時系列データマイニングの基本課題である時系列分類(TSC)について検討する。 グラフニューラルネットワーク(GNN)を用いて類似情報をモデル化するフレームワークであるSimTSCを提案する。
  論文  参考訳（メタデータ） (2022-01-05T02:14:57Z)
• A Taxonomy of Similarity Metrics for Markov Decision Processes [62.997667081978825]
  近年、伝達学習は強化学習(RL)アルゴリズムをより効率的にすることに成功した。 本稿では,これらの指標を分類し,これまでに提案されている類似性の定義を分析する。
  論文  参考訳（メタデータ） (2021-03-08T12:36:42Z)
• Few-shot Visual Reasoning with Meta-analogical Contrastive Learning [141.2562447971]
  本稿では,類似推論に頼って,数ショット(または低ショット)の視覚推論問題を解くことを提案する。 両領域の要素間の構造的関係を抽出し、類似学習と可能な限り類似するように強制する。 RAVENデータセット上での本手法の有効性を検証し, トレーニングデータが少ない場合, 最先端の手法より優れることを示す。
  論文  参考訳（メタデータ） (2020-07-23T14:00:34Z)
• CONSAC: Robust Multi-Model Fitting by Conditional Sample Consensus [62.86856923633923]
  我々は,同じ形状の複数のパラメトリックモデルを雑音測定に適合させる頑健な推定器を提案する。 複数のモデル検出のための手作り検索戦略を利用する従来の研究とは対照的に,データから検索戦略を学習する。 探索の自己教師付き学習において,提案したアルゴリズムをマルチホログラフィー推定で評価し,最先端手法よりも優れた精度を示す。
  論文  参考訳（メタデータ） (2020-01-08T17:37:01Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
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。