論文の概要: From Sets to Multisets: Provable Variational Inference for Probabilistic Integer Submodular Models

• arxiv url: http://arxiv.org/abs/2006.01293v1
• Date: Mon, 1 Jun 2020 22:20:45 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-26 06:21:37.787729
• Title: From Sets to Multisets: Provable Variational Inference for Probabilistic Integer Submodular Models
• Title（参考訳）: 集合から多重集合へ:確率的整数部分モジュラーモデルに対する確率的変分推論
• Authors: Aytunc Sahin, Yatao Bian, Joachim M. Buhmann, Andreas Krause
• Abstract要約: サブモジュール関数は機械学習やデータマイニングにおいて広く研究されている。 本研究では,整数部分モジュラ函数に対する連続DR-部分モジュラ拡張を提案する。 整数部分モジュラー関数によって定義される新しい確率モデルを定式化する。
• 参考スコア（独自算出の注目度）: 82.95892656532696
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Submodular functions have been studied extensively in machine learning and data mining. In particular, the optimization of submodular functions over the integer lattice (integer submodular functions) has recently attracted much interest, because this domain relates naturally to many practical problem settings, such as multilabel graph cut, budget allocation and revenue maximization with discrete assignments. In contrast, the use of these functions for probabilistic modeling has received surprisingly little attention so far. In this work, we firstly propose the Generalized Multilinear Extension, a continuous DR-submodular extension for integer submodular functions. We study central properties of this extension and formulate a new probabilistic model which is defined through integer submodular functions. Then, we introduce a block-coordinate ascent algorithm to perform approximate inference for those class of models. Finally, we demonstrate its effectiveness and viability on several real-world social connection graph datasets with integer submodular objectives.
• Abstract（参考訳）: サブモジュラー機能は機械学習とデータマイニングで広く研究されている。 特に、整数格子(整数部分モジュラ関数)上の部分モジュラ関数の最適化は、この領域は、マルチラベルグラフ切断、予算割り当て、離散割り当てによる収益の最大化など、多くの実用的な問題設定と自然に関係しているため、近年多くの関心を集めている。 対照的に、確率的モデリングにおけるこれらの関数の使用は、驚くほど注目されていない。 本稿では,整数部分モジュラ関数に対する連続的なdr-submodular拡張である一般化多線形拡張を提案する。 この拡張の中心的性質を研究し,整数部分モジュラー関数を通じて定義される新しい確率モデルを定式化する。 そこで,これらのモデルの近似推論を行うブロック座標アルゴリズムを提案する。 最後に,整数サブモジュラー目的を持つ実世界のソーシャルコネクショングラフデータセット上での有効性と有効性を示す。

関連論文リスト

• Neural Estimation of Submodular Functions with Applications to Differentiable Subset Selection [50.14730810124592]
  サブモジュール関数と変種は、多様性とカバレッジを特徴付ける能力を通じて、データ選択と要約のための重要なツールとして登場した。 本稿では,モノトーンおよび非モノトーン部分モジュラー関数のためのフレキシブルニューラルネットワークであるFLEXSUBNETを提案する。
  論文  参考訳（メタデータ） (2022-10-20T06:00:45Z)
• Using Partial Monotonicity in Submodular Maximization [13.23676270963484]
  多くの標準部分モジュラーアルゴリズムに対して、単調性比に依存する新しい近似保証を証明できることが示される。 これにより、映画レコメンデーション、二次プログラミング、画像要約の一般的な機械学習応用に対する近似比が向上する。
  論文  参考訳（メタデータ） (2022-02-07T10:35:40Z)
• Submodularity In Machine Learning and Artificial Intelligence [0.0]
  我々は、部分モジュラー函数とその一般化の完全な記述である部分モジュラー定義の多元性を提供する。 そして、サブモジュラリティが機械学習と人工知能にどのように役立つかに目を向ける。
  論文  参考訳（メタデータ） (2022-01-31T22:41:35Z)
• Sparsification of Decomposable Submodular Functions [27.070004659301162]
  サブモジュール関数は多くの機械学習とデータマイニングタスクの中核にある。 元の関数の根底にある部分モジュラ関数の数がとても多いので、処理に多くの時間が必要で、あるいはメインメモリに収まらない場合もあります。 分解可能部分モジュラ函数に対するスパーシフィケーションの概念を導入し、元の関数の正確な近似を得る目的は、少数の部分モジュラ函数の(重み付けされた)和である。
  論文  参考訳（メタデータ） (2022-01-18T20:05:25Z)
• Multi-objective Evolutionary Algorithms are Generally Good: Maximizing Monotone Submodular Functions over Sequences [44.11102526976392]
  本稿では,シーケンス上のモノトーン部分モジュラ関数を最大化する問題クラスについて検討する。 EAは、部分モジュラ最適化の問題を解くための優れた近似保証を達成できる。 例えば、タスクの達成、情報ゲインの最大化、探索と追跡、レコメンデーションシステムなど、様々なアプリケーションに関する実証研究は、GSEMOの優れた性能を示している。
  論文  参考訳（メタデータ） (2021-04-20T10:36:10Z)
• Learning Aggregation Functions [78.47770735205134]
  任意の濃度の集合に対する学習可能なアグリゲータであるLAF(Learning Aggregation Function)を紹介する。 半合成および実データを用いて,LAFが最先端の和(max-)分解アーキテクチャより優れていることを示す実験を報告する。
  論文  参考訳（メタデータ） (2020-12-15T18:28:53Z)
• Concave Aspects of Submodular Functions [0.0]
  部分モジュラー関数はエントロピーや相互情報などの情報理論の量を一般化する。 部分モジュラ函数も凹凸の兆候を示す。 上界に付随する超微分と多面体を特徴付け, 微分を用いた部分モジュラーの最適条件を提供する。
  論文  参考訳（メタデータ） (2020-06-27T17:06:24Z)
• Continuous Submodular Function Maximization [91.17492610120324]
  連続部分モジュラリティ (continuous submodularity) は、幅広い応用を持つ関数のクラスである。 連続的な部分モジュラ最適化の応用は、影響、推論のMAP、フィールドへの推論など多岐にわたる。
  論文  参考訳（メタデータ） (2020-06-24T04:37:31Z)
• Invariant Feature Coding using Tensor Product Representation [75.62232699377877]
  我々は,群不変特徴ベクトルが線形分類器を学習する際に十分な識別情報を含んでいることを証明した。 主成分分析やk平均クラスタリングにおいて,グループアクションを明示的に考慮する新たな特徴モデルを提案する。
  論文  参考訳（メタデータ） (2019-06-05T07:15:17Z)

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。