論文の概要: Tangles: a structural approach to artificial intelligence in the empirical sciences (Part I)

• arxiv url: http://arxiv.org/abs/2006.01830v2
• Date: Mon, 13 May 2024 21:43:46 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-15 20:27:15.181672
• Title: Tangles: a structural approach to artificial intelligence in the empirical sciences (Part I)
• Title（参考訳）: タングル : 経験科学における人工知能の構造的アプローチ(その1)
• Authors: Reinhard Diestel,
• Abstract要約: タングルは、しばしば一緒に起こる品質の群を識別する。 望めば、従来のクラスタリングのための新しいメソッドとしてtangleを使用することもできる。
• 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: Traditional clustering identifies groups of objects that share certain qualities. Tangles do the converse: they identify groups of qualities that often occur together. They can thereby discover, relate, and structure types: of behaviour, political views, texts, or viruses. If desired, tangles can also be used as a new method for traditional clustering. They offer a precise, quantitative paradigm suited particularly to fuzzy clusters, since they do not require any assignment of objects to the clusters which these collectively form. This is the first of four parts of a book with the above title. The book explores applications outside mathematics of the notion and theory of tangles generalised from the graph tangles know from graph minor theory.
• Abstract（参考訳）: 従来のクラスタリングは、特定の品質を共有するオブジェクトのグループを特定します。 タングルは、しばしば一緒に起こる品質の群を識別する。 これにより、行動、政治的見解、テキスト、ウイルスのタイプを発見し、関連づけ、構造化することができる。 望めば、従来のクラスタリングのための新しいメソッドとしてtangleを使用することもできる。 それらは、特にファジィクラスタに適した、正確で定量的なパラダイムを提供する。 上記4巻のうちの1巻目である。 この本はグラフトライアングルから一般化されたトライアングルの概念と理論の数学以外の応用について、グラフマイナー理論から知っている。

関連論文リスト

• Explaining Datasets in Words: Statistical Models with Natural Language Parameters [66.69456696878842]
  本稿では, クラスタリング, 時系列, 分類モデルなど, 自然言語の述語によってパラメータ化される統計モデル群を紹介する。 当社のフレームワークは、ユーザチャット対話の分類、時間の経過とともにどのように進化するかの特徴付け、一方の言語モデルが他方よりも優れているカテゴリを見つけることなど、幅広い問題に適用しています。
  論文  参考訳（メタデータ） (2024-09-13T01:40:20Z)
• ABCDE: Application-Based Cluster Diff Evals [49.1574468325115]
  それは実用性を目指しており、アイテムはアプリケーション固有の重要な値を持つことができ、クラスタリングがどちらが優れているかを判断するときに人間の判断を使うのは粗悪であり、アイテムの任意のスライスのためのメトリクスを報告できる。 クラスタリング品質の差分を測定するアプローチは、高価な地平を前もって構築し、それに関して各クラスタリングを評価する代わりに、ABCDEはクラスタリング間の実際の差分に基づいて、判定のための質問をサンプリングする。
  論文  参考訳（メタデータ） (2024-07-31T08:29:35Z)
• Advanced Graph Clustering Methods: A Comprehensive and In-Depth Analysis [0.0]
  本稿では,従来のグラフクラスタリング手法と最近のグラフクラスタリング手法について検討する。 背景のセクションでは、グラフラプラシアンやグラフ解析におけるディープラーニングの統合など、重要なトピックが取り上げられている。 本稿では,グラフクラスタリングの実践的応用について論じる。
  論文  参考訳（メタデータ） (2024-07-12T07:22:45Z)
• Pointwise Metrics for Clustering Evaluation [0.0]
  本稿では、2つのクラスタリングの類似性を特徴付けるためのメトリクスの集合である、ポイントワイズクラスタリングメトリクスを定義する。 計量の定義は標準集合論の概念に基づいており、理解し易い。 メトリクスを個々のアイテム、クラスタ、任意のアイテムのスライス、全体的なクラスタリングに割り当てることが可能です。
  論文  参考訳（メタデータ） (2024-05-16T19:49:35Z)
• KMF: Knowledge-Aware Multi-Faceted Representation Learning for Zero-Shot Node Classification [75.95647590619929]
  Zero-Shot Node Classification (ZNC)は、グラフデータ分析において、新しく重要なタスクである。 ラベルセマンティクスの豊かさを向上する知識認識型多面的フレームワーク(KMF)を提案する。 ノード情報集約によるプロトタイプドリフトの問題を軽減するために,新しい幾何学的制約を開発した。
  論文  参考訳（メタデータ） (2023-08-15T02:38:08Z)
• Variational Cross-Graph Reasoning and Adaptive Structured Semantics Learning for Compositional Temporal Grounding [143.5927158318524]
  テンポラルグラウンドティング(Temporal grounding)とは、クエリ文に従って、未編集のビデオから特定のセグメントを特定するタスクである。 新たに構成時間グラウンドタスクを導入し,2つの新しいデータセット分割を構築した。 ビデオや言語に内在する構造的意味論は、構成的一般化を実現する上で重要な要素である、と我々は主張する。
  論文  参考訳（メタデータ） (2023-01-22T08:02:23Z)
• Towards understanding deep learning with the natural clustering prior [3.8073142980733]
  この論文は、3つの文からなる自然クラスタリングの暗黙の統合について考察する。 クラスを複数のクラスタに分解することで、教師なしのディープラーニングシステムは、教師なしクラスタリングの恩恵を受けることができ、適切な決定境界を定義することができる。 我々は、深層ニューラルネットワークのニューロンレベルと層レベルの表現と同様に、トレーニングダイナミクスに関する広範な実証的研究を通じてこれを行ないます。
  論文  参考訳（メタデータ） (2022-03-15T18:07:37Z)
• Open-Set Representation Learning through Combinatorial Embedding [62.05670732352456]
  ラベル付きクラスとラベルなしクラスの両方の例に基づく表現学習を通じて、データセットにおける新しい概念を識別することに興味がある。 異種ラベル空間上の複数の教師付きメタクラス分類器によって与えられる構成知識を用いて、自然に未知のクラス内のサンプルをクラスタリングする学習手法を提案する。 提案アルゴリズムは,未確認クラスの識別性の向上と,新しいクラスに一般化可能な既知のクラス表現の学習を併用して,新しい概念を探索する。
  論文  参考訳（メタデータ） (2021-06-29T11:51:57Z)
• Quantifying Learnability and Describability of Visual Concepts Emerging in Representation Learning [91.58529629419135]
  我々は、ディープニューラルネットワークによって自動的に発見された視覚的なグルーピングを特徴付ける方法を検討する。 本稿では、任意の画像グループ化の解釈可能性の定量化に使用できる視覚的学習可能性と記述可能性という2つの概念を紹介する。
  論文  参考訳（メタデータ） (2020-10-27T18:41:49Z)
• Explainable Subgraphs with Surprising Densities: A Subgroup Discovery Approach [17.118125020178162]
  本稿では,エッジ密度が興味深い場合や低い場合のノード部分群のペアを求める手法を提案する。 この興味深い点は、分析者がグラフについて持つ事前情報とは対照的に、主観的に定量化される。 我々の研究は、高密度な部分グラフマイニング(すなわち、1つの部分群によって誘導される部分グラフ)に関する先行研究を一般化する。
  論文  参考訳（メタデータ） (2020-01-10T14:25:20Z)

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。