Fugu-MT 論文翻訳(概要): Lasso for hierarchical polynomial models

論文の概要: Lasso for hierarchical polynomial models

arxiv url: http://arxiv.org/abs/2001.07778v1
Date: Tue, 21 Jan 2020 21:26:24 GMT
ステータス: 処理完了
システム内更新日: 2023-01-08 00:28:21.372139
Title: Lasso for hierarchical polynomial models
Title（参考訳）: 階層多項式モデルのためのラッソ
Authors: Hugo Maruri-Aguilar and Simon Lunagomez
Abstract要約: 回帰モデルでは、階層内で暗黙的な可視性条件は、モデルパラメータの制約の自然な構成に道を譲る。この原理は、強い階層と弱い階層のバージョンを導出し、文献における既存の作業を拡張するために使用します。
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: In a polynomial regression model, the divisibility conditions implicit in polynomial hierarchy give way to a natural construction of constraints for the model parameters. We use this principle to derive versions of strong and weak hierarchy and to extend existing work in the literature, which at the moment is only concerned with models of degree two. We discuss how to estimate parameters in lasso using standard quadratic programming techniques and apply our proposal to both simulated data and examples from the literature. The proposed methodology compares favorably with existing techniques in terms of low validation error and model size.
Abstract（参考訳）: 多項式回帰モデルにおいて、多項式階層に暗黙的な可除条件は、モデルパラメータの制約の自然な構成に道を譲る。この原理は、強弱階層と弱階層のバージョンを導出し、文学における既存の作業を拡張するために使われ、現時点では次数2のモデルにのみ関係している。標準二次プログラミング手法を用いてlassoのパラメータを推定する方法を議論し、本提案をシミュレーションデータと文献の例の両方に適用する。提案手法は,検証誤差の低さとモデルサイズの観点から,既存の手法と良好に比較できる。

関連論文リスト

Solving Inverse Problems with Model Mismatch using Untrained Neural Networks within Model-based Architectures [14.551812310439004]
モデルベースアーキテクチャでは,各インスタンスの計測領域におけるデータの一貫性を一致させるために,トレーニングされていないフォワードモデル残差ブロックを導入する。提案手法は,パラメータ感受性が低く,追加データを必要としない統一解を提供し,前方モデルの同時適用と1パスの再構成を可能にする。
論文参考訳（メタデータ） (2024-03-07T19:02:13Z)
Sample Complexity Characterization for Linear Contextual MDPs [67.79455646673762]
文脈決定プロセス(CMDP)は、遷移カーネルと報酬関数がコンテキスト変数によってインデックス付けされた異なるMDPで時間とともに変化できる強化学習のクラスを記述する。 CMDPは、時間とともに変化する環境で多くの現実世界のアプリケーションをモデル化するための重要なフレームワークとして機能する。 CMDPを2つの線形関数近似モデルで検討する: 文脈変化表現とすべての文脈に対する共通線形重み付きモデルIと、すべての文脈に対する共通表現と文脈変化線形重み付きモデルIIである。
論文参考訳（メタデータ） (2024-02-05T03:25:04Z)
A Two-Scale Complexity Measure for Deep Learning Models [2.7446241148152257]
有効次元に基づく統計モデルのための新しいキャパシティ尺度2sEDを導入する。新しい量は、モデル上の軽度の仮定の下で一般化誤差を証明的に有界にする。標準データセットと一般的なモデルアーキテクチャのシミュレーションは、2sEDがトレーニングエラーとよく相関していることを示している。
論文参考訳（メタデータ） (2024-01-17T12:50:50Z)
The Interpolating Information Criterion for Overparameterized Models [49.283527214211446]
補間情報基準(Interpolating Information Criterion)は,モデル選択に事前選択を自然に取り入れたモデル品質の尺度であることを示す。我々の新しい情報基準は、モデルの事前の誤特定、幾何学的およびスペクトル的特性を考慮に入れており、既知の経験的および理論的挙動と数値的に一致している。
論文参考訳（メタデータ） (2023-07-15T12:09:54Z)
Representer Point Selection for Explaining Regularized High-dimensional Models [105.75758452952357]
本稿では,高次元表現器と呼ぶサンプルベース説明のクラスを紹介する。私たちのワークホースは、一般化された高次元モデルに対する新しい代表者定理である。提案手法の実証的性能について,実世界の2進分類データセットと2つの推薦システムデータセットを用いて検討した。
論文参考訳（メタデータ） (2023-05-31T16:23:58Z)
Non-intrusive surrogate modelling using sparse random features with applications in crashworthiness analysis [4.521832548328702]
Sparse Random Features を自己教師付き次元減少と組み合わせた代理モデリングに利用する新しい手法について述べる。以上の結果から, サーロゲートモデリング技術, ポリノミアルカオス展開, ニューラルネットワークの状況に対するアプローチの優位性が示唆された。
論文参考訳（メタデータ） (2022-12-30T01:29:21Z)
Improving the Reconstruction of Disentangled Representation Learners via Multi-Stage Modeling [54.94763543386523]
現在の自己エンコーダに基づく非絡み合い表現学習法は、(集合体)後部をペナルティ化し、潜伏因子の統計的独立を促進することで、非絡み合いを実現する。本稿では,不整合因子をペナルティに基づく不整合表現学習法を用いて学習する,新しい多段階モデリング手法を提案する。次に、低品質な再構成を、欠落した関連潜伏変数をモデル化するために訓練された別の深層生成モデルで改善する。
論文参考訳（メタデータ） (2020-10-25T18:51:15Z)
Deep Conditional Transformation Models [0.0]
特徴集合上の結果変数条件の累積分布関数(CDF)を学習することは依然として困難である。条件変換モデルは、条件付きCDFの大規模なクラスをモデル化できる半パラメトリックなアプローチを提供する。我々は,新しいネットワークアーキテクチャを提案し,異なるモデル定義の詳細を提供し,適切な制約を導出する。
論文参考訳（メタデータ） (2020-10-15T16:25:45Z)
Control as Hybrid Inference [62.997667081978825]
本稿では、反復推論と償却推論のバランスを自然に仲介するCHIの実装について述べる。連続的な制御ベンチマークでアルゴリズムのスケーラビリティを検証し、強力なモデルフリーおよびモデルベースラインを上回る性能を示す。
論文参考訳（メタデータ） (2020-07-11T19:44:09Z)
Evaluating the Disentanglement of Deep Generative Models through Manifold Topology [66.06153115971732]
本稿では,生成モデルのみを用いた乱れの定量化手法を提案する。複数のデータセットにまたがるいくつかの最先端モデルを実証的に評価する。
論文参考訳（メタデータ） (2020-06-05T20:54:11Z)

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。