Fugu-MT 論文翻訳(概要): Explicit agreement extremes for a $2\times2$ table with given marginals

論文の概要: Explicit agreement extremes for a $2\times2$ table with given marginals

arxiv url: http://arxiv.org/abs/2001.07415v1
Date: Tue, 21 Jan 2020 09:47:57 GMT
ステータス: 処理完了
システム内更新日: 2023-01-07 23:44:00.049237
Title: Explicit agreement extremes for a $2\times2$ table with given marginals
Title（参考訳）: 限界値が与えられた$2\times2$テーブルの明示的な合意
Authors: Jos\'e E. Chac\'on
Abstract要約: クラスタリング間の合意を最大化(あるいは最小化する)する問題は、与えられた限界を条件として、共通の枠組みの下で正式に提案することができる。ここでは、2つのクラスタリングがそれぞれ2つのクラスタを持つ場合の明示的な解を示す。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The problem of maximizing (or minimizing) the agreement between clusterings, subject to given marginals, can be formally posed under a common framework for several agreement measures. Until now, it was possible to find its solution only through numerical algorithms. Here, an explicit solution is shown for the case where the two clusterings have two clusters each.
Abstract（参考訳）: 与えられた限界条件に従うクラスタリング間の合意を最大化(または最小化)する問題は、いくつかの合意措置のための共通の枠組みの下で正式に提起することができる。これまでは数値アルゴリズムだけで解を見つけることができた。ここで、2つのクラスタリングがそれぞれ2つのクラスタを持つ場合の明示的なソリューションを示す。

関連論文リスト

Relax and Merge: A Simple Yet Effective Framework for Solving Fair $k$-Means and $k$-sparse Wasserstein Barycenter Problems [8.74967598360817]
複数のグループからなるデータセットが与えられた場合、公正性制約は各クラスタに各グループからのポイントの割合を含む必要がある。我々はRelax と Merge' のフレームワークを提案し、$rho$ は既製のvanilla $k$-means アルゴリズムの近似比である。 PTASが$k$-meansである場合、我々の解は、フェアネス制約にわずかに違反するだけで、$(5+O(epsilon))$の近似比を達成できる。
論文参考訳（メタデータ） (2024-11-02T02:50:12Z)
An SDP-based Branch-and-Cut Algorithm for Biclustering [0.0]
本稿では,二クラスタリング問題に対する分枝切断アルゴリズムを提案する。提案アルゴリズムは汎用的な解法よりも20倍大きな解法を解くことができることを示す。
論文参考訳（メタデータ） (2024-03-17T21:43:19Z)
Efficient Bilateral Cross-Modality Cluster Matching for Unsupervised Visible-Infrared Person ReID [56.573905143954015]
本稿では, クラスタ間マッチングによるモダリティギャップを低減するための, クラスタマッチングに基づく新たな学習フレームワークを提案する。このような監視信号の下では、クラスタレベルで特徴を協調的に整列させるために、モダリティ・特定・モダリティ・非依存(MSMA)コントラスト学習フレームワークが提案されている。公開SYSU-MM01とRegDBデータセットの実験により,提案手法の有効性が示された。
論文参考訳（メタデータ） (2023-05-22T03:27:46Z)
Algorithm for Constrained Markov Decision Process with Linear Convergence [55.41644538483948]
エージェントは、そのコストに対する複数の制約により、期待される累積割引報酬を最大化することを目的としている。エントロピー正規化ポリシーとベイダの二重化という2つの要素を統合した新しい双対アプローチが提案されている。提案手法は(線形速度で)大域的最適値に収束することが示されている。
論文参考訳（メタデータ） (2022-06-03T16:26:38Z)
Max-Min Grouped Bandits [48.62520520818357]
マルチアームバンディット問題であるmax-min grouped banditsを導入する。ゴールは、最悪の腕が最高の平均報酬を持つグループを見つけることです。この問題はレコメンデーションシステムのようなアプリケーションには関心がある。
論文参考訳（メタデータ） (2021-11-17T01:59:15Z)
Fuzzy Clustering with Similarity Queries [56.96625809888241]
ファジィ(fuzzy, soft objective)は、よく知られた$k$-means問題の一般化である。クエリを少なくすることで、問題の解決が容易になる。
論文参考訳（メタデータ） (2021-06-04T02:32:26Z)
Differentially Private Clustering: Tight Approximation Ratios [57.89473217052714]
基本的なクラスタリング問題に対して,効率的な微分プライベートアルゴリズムを提案する。この結果から,SampleとAggregateのプライバシーフレームワークのアルゴリズムの改善が示唆された。 1-Clusterアルゴリズムで使用されるツールの1つは、ClosestPairのより高速な量子アルゴリズムを適度な次元で得るために利用できる。
論文参考訳（メタデータ） (2020-08-18T16:22:06Z)
Min-Mid-Max Scaling, Limits of Agreement, and Agreement Score [0.0]
私は与えられた行と列の辺縁の最小限の合意を定式化します。私はまた、最も一般的な合意の基準であるコーエンのカッパの限界を定式化します。
論文参考訳（メタデータ） (2020-06-23T11:21:02Z)
Submodular Bandit Problem Under Multiple Constraints [8.100450025624443]
我々は、$l$knapsacksと$k$-system制約の交わりの下で、部分モジュラーバンディット問題を導入する。この問題を解決するために,標準あるいは修正された高信頼境界に適応的に焦点をあてる非グレーディアルゴリズムを提案する。近似比が高速アルゴリズムのそれと一致するような近似後悔の確率の高い上限を提供する。
論文参考訳（メタデータ） (2020-06-01T01:28:44Z)
Minimum adjusted Rand index for two clusterings of a given size [0.0]
調整されたRand Index(ARI)は、クラスタ分析において、2つのデータパーティション間の一致度を測定するために一般的に使用される。ここでは、与えられた大きさの2つのクラスタリングに対するARIの最小値の明示的な式を示す。
論文参考訳（メタデータ） (2020-02-10T12:16:49Z)
Fair Correlation Clustering [92.15492066925977]
相関クラスタリングの近似アルゴリズムは,いくつかの重要なフェアネス制約の下で得られる。相関クラスタリングに対する公平な解は、最先端の(不公平な)アルゴリズムと比較して、コストを抑えながら得られることを示す。
論文参考訳（メタデータ） (2020-02-06T14:28:21Z)

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。