論文の概要: Improvements in Computation and Usage of Joint CDFs for the
N-Dimensional Order Statistic
- arxiv url: http://arxiv.org/abs/2006.10124v1
- Date: Wed, 17 Jun 2020 19:51:45 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-19 20:26:15.210613
- Title: Improvements in Computation and Usage of Joint CDFs for the
N-Dimensional Order Statistic
- Title(参考訳): N次元次数統計におけるジョイントCDFの計算と利用の改善
- Authors: Arvind Thiagarajan
- Abstract要約: 順序統計は、共通の指数集合上の複数のスコアのリストを組み合わせるための直感を与える。
ここでは,このような順序統計のジョイントCDFを用いてスコアリストを合成する手法の利点を述べる。
また,このような連立CDF値を計算するための新しいアルゴリズムを証明とともに提案する。
- 参考スコア(独自算出の注目度): 0.2538209532048866
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Order statistics provide an intuition for combining multiple lists of scores
over a common index set. This intuition is particularly valuable when the lists
to be combined cannot be directly compared in a sensible way. We describe here
the advantages of a new method for using joint CDFs of such order statistics to
combine score lists. We also present, with proof, a new algorithm for computing
such joint CDF values, with runtime linear in the size of the combined list.
- Abstract(参考訳): 順序統計は、共通のインデックス集合上のスコアの複数のリストを結合するための直感を与える。
この直観は、結合すべきリストが賢明な方法で直接比較できない場合に特に有用である。
ここでは,このような順序統計のジョイントCDFを用いてスコアリストを組み合わせる手法の利点を述べる。
また,提案手法の証明により,結合CDF値の計算を行ない,組み合わせたリストのサイズを線形に行なえるような新しいアルゴリズムを提案する。
関連論文リスト
- Discordance Minimization-based Imputation Algorithms for Missing Values
in Rating Data [4.100928307172084]
複数の評価リストが組み合わされたり、考慮されたりすると、被験者はしばしば評価を欠く。
そこで本研究では,6つの実世界のデータセットを用いて,欠落した値パターンの解析を行う。
評価提供者間での総合評価不一致を最小限に抑える最適化モデルとアルゴリズムを提案する。
論文 参考訳(メタデータ) (2023-11-07T14:42:06Z) - Ranking from Pairwise Comparisons in General Graphs and Graphs with
Locality [3.1219977244201056]
本稿では,古典的Bradley-Terry-Luceモデル(BTL)のペア比較によるランキング問題について検討する。
十分に多くのサンプルを用いて,Cram'er-Rao の下界と一致するエントリワイズ推定誤差が得られることを示す。
我々は、最も広いサンプルを持つ体制においても、同様の保証を確実に達成できる分割対コンカマーのアルゴリズムについて検討する。
論文 参考訳(メタデータ) (2023-04-13T21:14:30Z) - Efficient computation of rankings from pairwise comparisons [0.0]
我々は、同じ結果を返すが、はるかに高速な代替かつ同様の単純なイテレーションについて記述する。
本稿では,このアルゴリズムをサンプルデータセットに適用し,その収束性に関する多くの結果を導出する。
論文 参考訳(メタデータ) (2022-06-30T19:39:09Z) - Reinforcement Learning Based Query Vertex Ordering Model for Subgraph
Matching [58.39970828272366]
グラフマッチングアルゴリズムは、クエリグラフの埋め込みをデータグラフGに列挙する。
マッチング順序は、これらのバックトラックに基づくサブグラフマッチングアルゴリズムの時間効率において重要な役割を果たす。
本稿では,Reinforcement Learning (RL) と Graph Neural Networks (GNN) 技術を適用して,グラフマッチングアルゴリズムの高品質なマッチング順序を生成する。
論文 参考訳(メタデータ) (2022-01-25T00:10:03Z) - Task Affinity with Maximum Bipartite Matching in Few-Shot Learning [28.5184196829547]
本稿では,1つのタスクの知識を活用して,別のタスクを学習する複雑性を表現するための非対称親和性スコアを提案する。
特に、このスコアを用いて、テストデータに関連するトレーニングデータラベルを見つけ、発見した関連するデータを活用して、いくつかのショットモデルをエピソード的に微調整する。
論文 参考訳(メタデータ) (2021-10-05T23:15:55Z) - 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) - Methods of ranking for aggregated fuzzy numbers from interval-valued
data [0.0]
本論文は, 時間間隔から集約ファジィ数をランク付けする2つの手法を, Interval Agreement Approach (IAA) を用いて提案する。
提案手法の改良とともに, 従来手法の欠点を, 合成・実世界の両面から示す。
論文 参考訳(メタデータ) (2020-12-03T02:56:15Z) - Autoregressive Score Matching [113.4502004812927]
自動回帰条件スコアモデル(AR-CSM)を提案する。
AR-CSMモデルでは、このデータ分布とモデル分布のばらつきを効率的に計算し、最適化することができ、高価なサンプリングや対向訓練を必要としない。
本研究では,合成データに対する密度推定,画像生成,画像復調,暗黙エンコーダを用いた潜在変数モデルの訓練に応用できることを示す。
論文 参考訳(メタデータ) (2020-10-24T07:01:24Z) - 3D Correspondence Grouping with Compatibility Features [51.869670613445685]
本稿では,3次元対応グルーピングのための簡易かつ効果的な手法を提案する。
目的は、局所幾何学的記述子を不整合と外接点にマッチングすることによって得られる初期対応を正確に分類することである。
本稿では,不整合と不整合を表わすために,互換性特徴(CF)と呼ばれる3次元対応の表現を提案する。
論文 参考訳(メタデータ) (2020-07-21T02:39:48Z) - LSF-Join: Locality Sensitive Filtering for Distributed All-Pairs Set
Similarity Under Skew [58.21885402826496]
全ペアセットの類似性は、大規模で高次元のデータセットであっても広く使われているデータマイニングタスクである。
我々は,全対集合の類似性を近似するために,新しい分散アルゴリズム LSF-Join を提案する。
LSF-Joinは、小さな類似度閾値やスキュー入力セットであっても、最も近いペアを効率的に見つける。
論文 参考訳(メタデータ) (2020-03-06T00:06:20Z) - SetRank: A Setwise Bayesian Approach for Collaborative Ranking from
Implicit Feedback [50.13745601531148]
提案手法は,提案システムにおける暗黙的フィードバックの特性に対応するために,協調的ランキング(SeetRank)のためのセッティングワイドベイズ的手法を提案する。
具体的には、SetRankは、新しい設定された選好比較の後方確率を最大化することを目的としている。
また、SetRankの理論解析により、余剰リスクの境界が$sqrtM/N$に比例できることを示す。
論文 参考訳(メタデータ) (2020-02-23T06:40:48Z)
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。