論文の概要: OoDAnalyzer: Interactive Analysis of Out-of-Distribution Samples
- arxiv url: http://arxiv.org/abs/2002.03103v1
- Date: Sat, 8 Feb 2020 06:58:33 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-02 23:05:03.453252
- Title: OoDAnalyzer: Interactive Analysis of Out-of-Distribution Samples
- Title（参考訳）: OoDAnalyzer: 配布外サンプルのインタラクティブ分析
- Authors: Changjian Chen, Jun Yuan, Yafeng Lu, Yang Liu, Hang Su, Songtao Yuan,
Shixia Liu
- Abstract要約: OoDAnalyzerは、OoDサンプルをインタラクティブに識別し、それらをコンテキストで説明するための視覚分析手法である。
我々は,OoDのサンプルを文脈でよりよく分析し,理解するために,新しいkNNベースのグリッドレイアウトアルゴリズムを開発した。
- 参考スコア（独自算出の注目度）: 26.00658626093171
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: One major cause of performance degradation in predictive models is that the
test samples are not well covered by the training data. Such not
well-represented samples are called OoD samples. In this paper, we propose
OoDAnalyzer, a visual analysis approach for interactively identifying OoD
samples and explaining them in context. Our approach integrates an ensemble OoD
detection method and a grid-based visualization. The detection method is
improved from deep ensembles by combining more features with algorithms in the
same family. To better analyze and understand the OoD samples in context, we
have developed a novel kNN-based grid layout algorithm motivated by Hall's
theorem. The algorithm approximates the optimal layout and has $O(kN^2)$ time
complexity, faster than the grid layout algorithm with overall best performance
but $O(N^3)$ time complexity. Quantitative evaluation and case studies were
performed on several datasets to demonstrate the effectiveness and usefulness
of OoDAnalyzer.
- Abstract（参考訳）: 予測モデルの性能劣化の大きな原因の1つは、テストサンプルがトレーニングデータによって十分にカバーされていないことである。
このようなよく表現されたサンプルを ood sample と呼ぶ。
本稿では,oodサンプルをインタラクティブに同定し,文脈で説明するためのビジュアル解析手法であるoodanalyzerを提案する。
提案手法は,アンサンブルOoD検出法とグリッドベース可視化を統合した。
この検出方法は、同じファミリーのアルゴリズムとより多くの特徴を組み合わせることにより、深いアンサンブルから改善される。
我々は,OoDサンプルを文脈でよりよく分析し理解するために,ホールの定理に基づく新しいkNNベースのグリッドレイアウトアルゴリズムを開発した。
このアルゴリズムは最適レイアウトを近似し、$O(kN^2)$時間複雑さを持つが、全体の最高の性能を持つグリッドレイアウトアルゴリズムよりも速いが、$O(N^3)$時間複雑さを持つ。
OoDAnalyzerの有効性と有用性を示すために,いくつかのデータセットを用いて定量的評価とケーススタディを行った。
関連論文リスト
- Faster WIND: Accelerating Iterative Best-of-$N$ Distillation for LLM Alignment [81.84950252537618]
本稿では,反復的BONDと自己プレイアライメントの統一的なゲーム理論接続を明らかにする。
WINレート支配(WIN rate Dominance, WIND)という新しいフレームワークを構築し, 正規化利率支配最適化のためのアルゴリズムを多数提案する。
論文 参考訳（メタデータ） (2024-10-28T04:47:39Z) - Faster Adaptive Decentralized Learning Algorithms [24.379734053137597]
適応学習と有限サム最適化のための高速分散非分散アルゴリズム(AdaMDOSとAdaMDOF)のクラスを提案する。
いくつかの実験結果から,アルゴリズムの有効性が示された。
論文 参考訳（メタデータ） (2024-08-19T08:05:33Z) - GNNSampler: Bridging the Gap between Sampling Algorithms of GNN and
Hardware [8.15489210461058]
GNNSamplerと呼ばれるメインストリームサンプリングアルゴリズムのための統一型プログラミングモデルを提案する。
我々は,サンプリング中の不規則なメモリアクセスを軽減するために,実世界のデータセットでノードとその隣人のデータの局所性を探索する。
提案手法は主流サンプリングアルゴリズムに普遍的であり,GNNのトレーニング時間を短縮する。
論文 参考訳（メタデータ） (2021-08-26T04:13:52Z) - Local policy search with Bayesian optimization [73.0364959221845]
強化学習は、環境との相互作用によって最適な政策を見つけることを目的としている。
局所探索のための政策勾配は、しばしばランダムな摂動から得られる。
目的関数の確率モデルとその勾配を用いたアルゴリズムを開発する。
論文 参考訳（メタデータ） (2021-06-22T16:07:02Z) - Estimating leverage scores via rank revealing methods and randomization [50.591267188664666]
任意のランクの正方形密度あるいはスパース行列の統計レバレッジスコアを推定するアルゴリズムについて検討した。
提案手法は,高密度およびスパースなランダム化次元性還元変換の合成と階調明細化法を組み合わせることに基づく。
論文 参考訳（メタデータ） (2021-05-23T19:21:55Z) - Active Structure Learning of Bayesian Networks in an Observational
Setting [21.376800678915558]
観測環境におけるベイズネットワークのアクティブ構造学習について検討した。
本稿では,高い確率で最適なスコアに対して$epsilon$-closeのスコアを持つ構造を求める,新しい能動学習アルゴリズムを提案する。
安定」と呼ばれる分布のクラスについて、$d$がネットワーク変数の数である$widetildeOmega(d3)$の係数までのサンプル複雑さの減少が得られることを示しています。
論文 参考訳（メタデータ） (2021-03-25T12:50:14Z) - Entropy Maximization and Meta Classification for Out-Of-Distribution
Detection in Semantic Segmentation [7.305019142196585]
自動運転など多くのアプリケーションにおいて,OoD(Out-of-Distribution)サンプルが不可欠である。
OoD検出の自然なベースラインアプローチは、ピクセル回りのソフトマックスエントロピーのしきい値です。
そのアプローチを大幅に改善する2段階の手順を提案する。
論文 参考訳（メタデータ） (2020-12-09T11:01:06Z) - Revisiting the Sample Complexity of Sparse Spectrum Approximation of
Gaussian Processes [60.479499225746295]
本稿では,ガウス過程に対して,パラメータ空間全体に対して同時に保持可能な保証付きスケーラブルな近似を導入する。
我々の近似は、スパーススペクトルガウス過程(SSGP)のための改良されたサンプル複雑性解析から得られる。
論文 参考訳（メタデータ） (2020-11-17T05:41:50Z) - Adaptive Sampling for Best Policy Identification in Markov Decision
Processes [79.4957965474334]
本稿では,学習者が生成モデルにアクセスできる場合の,割引マルコフ決定(MDP)における最良の政治的識別の問題について検討する。
最先端アルゴリズムの利点を論じ、解説する。
論文 参考訳（メタデータ） (2020-09-28T15:22:24Z) - Bandit Samplers for Training Graph Neural Networks [63.17765191700203]
グラフ畳み込みネットワーク(GCN)の訓練を高速化するために, ばらつきを低減したサンプリングアルゴリズムが提案されている。
これらのサンプリングアルゴリズムは、グラフ注意ネットワーク(GAT)のような固定重みよりも学習重量を含む、より一般的なグラフニューラルネットワーク(GNN)には適用できない。
論文 参考訳（メタデータ） (2020-06-10T12:48:37Z)
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。