Fugu-MT 論文翻訳(概要): A characterization of proportionally representative committees

論文の概要: A characterization of proportionally representative committees

arxiv url: http://arxiv.org/abs/2002.09598v2
Date: Tue, 13 Jul 2021 22:31:12 GMT
ステータス: 処理完了
システム内更新日: 2022-12-29 19:47:41.838035
Title: A characterization of proportionally representative committees
Title（参考訳）: 比例代表委員会の特徴
Authors: Haris Aziz and Barton E. Lee
Abstract要約: 比例表現のためのよく知られた公理は、固体結合の比例性(PSC)である。我々は PSC を満たす委員会を,マイケル・ダメットが提唱したアプローチを一般化したミニマル・デマンド・ルールの可能な結果として特徴づける。
参考スコア（独自算出の注目度）: 40.86118485100781
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: A well-known axiom for proportional representation is Proportionality of Solid Coalitions (PSC). We characterize committees satisfying PSC as possible outcomes of the Minimal Demand rule, which generalizes an approach pioneered by Michael Dummett.
Abstract（参考訳）: 比例表現のためのよく知られた公理は、固体結合の比例性(PSC)である。我々は PSC を満たす委員会を,マイケル・ダメットが提唱したアプローチを一般化したミニマル・デマンド・ルールの可能な結果として特徴づける。

関連論文リスト

Multi-Group Proportional Representation in Retrieval [46.00781543425424]
交差するグループ間の表現を測定する新しい指標であるMPR(Multi-Group Proportional Representation)を導入する。 MPRは、リッチ関数クラスによって指定された複数の交叉群にまたがるより比例的な表現をもたらす。
論文参考訳（メタデータ） (2024-07-11T14:59:17Z)
Provably Efficient UCB-type Algorithms For Learning Predictive State Representations [55.00359893021461]
逐次決定問題は、予測状態表現(PSR)によってモデル化された低ランク構造が認められる場合、統計的に学習可能である本稿では,推定モデルと実モデル間の全変動距離を上限とする新しいボーナス項を特徴とする,PSRに対する最初のUCB型アプローチを提案する。 PSRに対する既存のアプローチとは対照的に、UCB型アルゴリズムは計算的トラクタビリティ、最優先の準最適ポリシー、モデルの精度が保証される。
論文参考訳（メタデータ） (2023-07-01T18:35:21Z)
PAC Reinforcement Learning for Predictive State Representations [60.00237613646686]
部分的に観察可能な力学系におけるオンライン強化学習(RL)について検討する。我々は、他のよく知られたモデルをキャプチャする表現モデルである予測状態表現(PSR)モデルに焦点を当てる。我々は,サンプル複雑性のスケーリングにおいて,ほぼ最適なポリシを学習可能な,PSRのための新しいモデルベースアルゴリズムを開発した。
論文参考訳（メタデータ） (2022-07-12T17:57:17Z)
A Deep Reinforcement Learning Approach to Marginalized Importance Sampling with the Successor Representation [61.740187363451746]
マージナライズド・プライバシ・サンプリング(MIS)は、ターゲットポリシーのステートアクション占有率とサンプリング分布の密度比を測定する。我々は,MISと深層強化学習のギャップを,目標方針の後継表現から密度比を計算することによって埋める。我々は,Atari環境とMuJoCo環境に対するアプローチの実証的性能を評価した。
論文参考訳（メタデータ） (2021-06-12T20:21:38Z)
Community Detection by Principal Components Clustering Methods [1.0965065178451106]
主成分クラスタリング(PCC)と正規化主成分クラスタリング(NPCC)の2つの新しいアプローチを提案する。 PCCはPCCとRCC法の組み合わせに基づいて設計されている(Qin & Rohe 2013)。
論文参考訳（メタデータ） (2020-11-09T12:24:42Z)
Generalized Maximum Entropy for Supervised Classification [26.53901315716557]
最大エントロピー原理は、エントロピーを最大化する分布を用いて事象の確率を評価することを提唱している。本稿では,一般化最大エントロピー原理に基づく教師付き分類の枠組みを確立する。
論文参考訳（メタデータ） (2020-07-10T15:41:17Z)
PAC-Bayesian Generalization Bounds for MultiLayer Perceptrons [6.151486024920938]
PAC-Bayesian bounds for Multilayer PerceptronMLPs with the cross entropy loss。我々は, PAC-Bayesian 境界のクロスエントロピー損失を保証する一般化と, PAC-Bayesian 境界の最小化がエビデンス・ローワー・バウンド(ELBO)の最大化と等価であることを証明した。ベンチマークデータセットに基づいて提案したPAC-Bayesian一般化を検証する。
論文参考訳（メタデータ） (2020-06-16T02:55:26Z)
A General Framework for Symmetric Property Estimation [35.14819168275207]
経験的推定を行う容易な領域と,より複雑な推定器を必要とする困難な領域を同定する。この難しい領域におけるプロファイル最大可能性(PML)分布 citeADOS16 を概算することにより、多くの特性に対して最適なサンプル複雑性を持つ対称特性推定フレームワークが得られることを示す。
論文参考訳（メタデータ） (2020-03-02T13:00:04Z)
Profile Entropy: A Fundamental Measure for the Learnability and Compressibility of Discrete Distributions [63.60499266361255]
離散分布のサンプルに対して、プロファイルエントロピーは推定、推論、圧縮の概念を統一する基本的な尺度であることを示す。具体的には、プロファイルエントロピー a) は、最適自然推定器に対する分布を推定する速度を決定する; b) 任意のラベル不変分布コレクションに対する最適推定器と比較して全ての対称特性を推定する速度を特徴付ける; c) プロファイル圧縮の限界として機能する。
論文参考訳（メタデータ） (2020-02-26T17:49:04Z)

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。