論文の概要: Bayesian Nonparametric Space Partitions: A Survey
- arxiv url: http://arxiv.org/abs/2002.11394v2
- Date: Sun, 28 Feb 2021 13:09:43 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-28 14:16:32.533061
- Title: Bayesian Nonparametric Space Partitions: A Survey
- Title（参考訳）: ベイズ型非パラメトリック空間分割:調査
- Authors: Xuhui Fan, Bin Li, Ling Luo, Scott A. Sisson
- Abstract要約: ベイズ的非パラメトリック空間分割(BNSP)モデルは、$D$次元空間をブロックの集合に分割するための様々な戦略を提供する。
BNSPモデルは、回帰/分類木、ランダムな特徴構築、リレーショナルモデリングなど、さまざまな領域に適用することができる。
- 参考スコア（独自算出の注目度）: 21.307730261694864
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Bayesian nonparametric space partition (BNSP) models provide a variety of
strategies for partitioning a $D$-dimensional space into a set of blocks. In
this way, the data points lie in the same block would share certain kinds of
homogeneity. BNSP models can be applied to various areas, such as
regression/classification trees, random feature construction, relational
modeling, etc. In this survey, we investigate the current progress of BNSP
research through the following three perspectives: models, which review various
strategies for generating the partitions in the space and discuss their
theoretical foundation `self-consistency'; applications, which cover the
current mainstream usages of BNSP models and their potential future practises;
and challenges, which identify the current unsolved problems and valuable
future research topics. As there are no comprehensive reviews of BNSP
literature before, we hope that this survey can induce further exploration and
exploitation on this topic.
- Abstract（参考訳）: ベイズ非パラメトリック空間分割(bnsp)モデルは、$d$次元空間をブロックの集合に分割するための様々な戦略を提供する。
このようにして、同じブロックにあるデータポイントは、ある種の均質性を共有する。
BNSPモデルは、回帰/分類木、ランダムな特徴構築、リレーショナルモデリングなど、さまざまな領域に適用することができる。
本稿では, BNSP研究の現在の動向について, 空間における分割を生成するための様々な戦略をレビューし, その理論的基盤である「自己整合性」について論じるモデル, BNSPモデルが現在主流に使われているアプリケーションとその将来的な実践について述べるアプリケーション, 未解決問題と今後の課題を特定する課題の3つの観点から検討する。
BNSP文献の総合的なレビューは行われていないため、本調査がさらなる探究と活用を促すことを願っている。
関連論文リスト
- Geometric Deep Learning for Structure-Based Drug Design: A Survey [83.87489798671155]
構造に基づく薬物設計(SBDD)は、タンパク質の3次元幾何学を利用して、潜在的な薬物候補を特定する。
近年の幾何学的深層学習の進歩は、3次元幾何学的データを効果的に統合・処理し、この分野を前進させてきた。
論文 参考訳（メタデータ） (2023-06-20T14:21:58Z) - Segment Anything in Non-Euclidean Domains: Challenges and Opportunities [133.49534701480914]
我々は,非ユークリッド領域内の多様なグラフデータを処理可能な基礎モデルの開発を目指す,新しいセグメンション・ノンユークリッド・アプライシング(SNA)パラダイムを探求する。
私たちは、データとタスクの観点から、ユークリッドと非ユークリッドのドメインの違いを理解することを含む、SAの概念をグラフ解析に適用する際に生じるユニークな課題に目を向けました。
我々は,SNAの課題に取り組むための予備的解決策をいくつか提示し,それらの限界を詳述するとともに,今後のSNA研究の道を開くためのいくつかの潜在的方向を示す。
論文 参考訳（メタデータ） (2023-04-23T10:01:34Z) - CPPF++: Uncertainty-Aware Sim2Real Object Pose Estimation by Vote Aggregation [67.12857074801731]
そこで本研究では,シミュレートからリアルなポーズ推定のための新しい手法であるCPPF++を提案する。
投票衝突による課題に対処するため,投票の不確実性をモデル化する新たなアプローチを提案する。
ノイズの多いペアフィルタリング、オンラインアライメント最適化、機能アンサンブルなど、いくつかの革新的なモジュールを組み込んでいます。
論文 参考訳（メタデータ） (2022-11-24T03:27:00Z) - Contrast Pattern Mining: A Survey [54.06874773607785]
この分野の研究者が短期間で現場の一般的な状況を理解することは困難である。
まず、識別能力を評価するための基本的な概念、タイプ、採掘戦略、メトリクスを含む、CPMの深い理解を示す。
我々は,CPM法の特徴を,境界ベースアルゴリズム,木ベースアルゴリズム,進化ファジィシステムベースアルゴリズム,決定木ベースアルゴリズム,その他のアルゴリズムに分類する。
論文 参考訳（メタデータ） (2022-09-27T17:11:12Z) - Exploring Neural Models for Query-Focused Summarization [74.41256438059256]
クエリ中心の要約(QFS)に対するニューラルネットワークの体系的な探索を行う。
本稿では,QMSumデータセットの最先端性能を最大3.38ROUGE-1,3.72ROUGE-2,3.28ROUGE-Lのマージンで達成する2つのモデル拡張を提案する。
論文 参考訳（メタデータ） (2021-12-14T18:33:29Z) - A survey of Bayesian Network structure learning [8.411014222942168]
本稿では,データからBN構造を学習するための61のアルゴリズムについてレビューする。
各アルゴリズムの基本的アプローチは一貫性のある言葉で説明され、それらの類似点と相違点が強調された。
実世界のデータセットでのデータノイズに対処し、学習プロセスに専門家の知識を取り入れるためのアプローチについても紹介する。
論文 参考訳（メタデータ） (2021-09-23T14:54:00Z) - Sparse Semi-supervised Heterogeneous Interbattery Bayesian Analysis [5.653409562189869]
本稿では,任意の問題をモデル化可能な一般FAフレームワークを提案する。
提案モデルであるSparse Semi-supervised Heterogeneous Interbattery Bayesian Analysis (SSHIBA) は4つのシナリオで検証されている。
論文 参考訳（メタデータ） (2020-01-24T13:00:56Z) - Seismic horizon detection with neural networks [62.997667081978825]
本稿では,複数の実地震立方体上での地平線検出にバイナリセグメンテーションを適用し,予測モデルのキューブ間一般化に着目したオープンソースの研究である。
本研究の主な貢献は,複数実地震立方体における地平線検出にバイナリセグメンテーションを適用し,予測モデルのキューブ間一般化に着目したオープンソースの研究である。
論文 参考訳（メタデータ） (2020-01-10T11:30:50Z)
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。