論文の概要: Approximately Optimal Binning for the Piecewise Constant Approximation
of the Normalized Unexplained Variance (nUV) Dissimilarity Measure
- arxiv url: http://arxiv.org/abs/2007.12463v1
- Date: Fri, 24 Jul 2020 11:55:28 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-07 05:55:10.133509
- Title: Approximately Optimal Binning for the Piecewise Constant Approximation
of the Normalized Unexplained Variance (nUV) Dissimilarity Measure
- Title(参考訳): 正規化未説明変量(nUV)差分測定値の経時的定数近似に対するほぼ最適結合
- Authors: Attila Fazekas and Gy\"orgy Kov\'acs
- Abstract要約: 我々は,MTMにおける「正規化無説明分散(nUV)」という用語を導入し,その関連性や画像処理以外の適用性を強調した。
我々は,nUV測度に対する最適ビンニング手法に関する理論的結果を提供し,近似解を求めるアルゴリズムを提案する。
提案手法を用いた場合,統計的に有意なAUCスコアは4~13%増加した。
- 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: The recently introduced Matching by Tone Mapping (MTM) dissimilarity measure
enables template matching under smooth non-linear distortions and also has a
well-established mathematical background. MTM operates by binning the template,
but the ideal binning for a particular problem is an open question. By pointing
out an important analogy between the well known mutual information (MI) and
MTM, we introduce the term "normalized unexplained variance" (nUV) for MTM to
emphasize its relevance and applicability beyond image processing. Then, we
provide theoretical results on the optimal binning technique for the nUV
measure and propose algorithms to find approximate solutions. The theoretical
findings are supported by numerical experiments. Using the proposed techniques
for binning shows 4-13% increase in terms of AUC scores with statistical
significance, enabling us to conclude that the proposed binning techniques have
the potential to improve the performance of the nUV measure in real
applications.
- Abstract(参考訳): 最近導入されたMatching by Tone Mapping (MTM) の相似性測定により、スムーズな非線形歪みの下でのテンプレートマッチングが可能となり、数学的背景も確立された。
MTMはテンプレートをバッキングすることで動作するが、特定の問題に対する理想的なバニングはオープンな問題である。
本稿では,MTMとよく知られた相互情報(MI)の間に重要な類似点を指摘することによって,MTMの「正規化無説明分散(nUV)」という用語を導入し,その関連性,適用性を強調した。
次に,nUV測度に対する最適ビンニング手法に関する理論的結果を提供し,近似解を求めるアルゴリズムを提案する。
理論的な結果は数値実験によって裏付けられている。
提案手法を用いることで,統計的に有意なAUCスコアが4~13%増加し,本手法が実応用におけるnUV測定性能を向上させる可能性が示唆された。
関連論文リスト
- Distributed Markov Chain Monte Carlo Sampling based on the Alternating
Direction Method of Multipliers [143.6249073384419]
本論文では,乗算器の交互方向法に基づく分散サンプリング手法を提案する。
我々は,アルゴリズムの収束に関する理論的保証と,その最先端性に関する実験的証拠の両方を提供する。
シミュレーションでは,線形回帰タスクとロジスティック回帰タスクにアルゴリズムを配置し,その高速収束を既存の勾配法と比較した。
論文 参考訳(メタデータ) (2024-01-29T02:08:40Z) - Online Variational Sequential Monte Carlo [56.16884466478886]
我々は,計算効率が高く正確なモデルパラメータ推定とベイジアン潜在状態推定を提供する変分連続モンテカルロ法(VSMC)を構築した。
オンラインVSMCは、パラメータ推定と粒子提案適応の両方を効率よく、完全にオンザフライで実行することができる。
論文 参考訳(メタデータ) (2023-12-19T21:45:38Z) - Convex Latent-Optimized Adversarial Regularizers for Imaging Inverse
Problems [8.33626757808923]
本稿では,新しいデータ駆動型パラダイムであるConvex Latent-d Adrial Regularizers (CLEAR)を紹介する。
CLEARは、ディープラーニング(DL)と変分正規化の融合を表す。
本手法は従来型のデータ駆動手法と従来型の正規化手法を一貫して上回っている。
論文 参考訳(メタデータ) (2023-09-17T12:06:04Z) - Regularization and Variance-Weighted Regression Achieves Minimax
Optimality in Linear MDPs: Theory and Practice [79.48432795639403]
ミラー降下値反復(MDVI)は、KL(Kulback-Leibler)とRL(Entropy-regularized reinforcement learning)の抽象化である。
MDVIを線形関数近似を用いて研究し,$varepsilon$-optimal policyを同定するために必要なサンプル複雑性について検討した。
我々は,無限水平線形MDPに対して,最小限のサンプル複雑性を実現する最初の理論的アルゴリズムである分散重み付き最小二乗法MDVIを提案する。
論文 参考訳(メタデータ) (2023-05-22T16:13:05Z) - Laplacian-based Cluster-Contractive t-SNE for High Dimensional Data
Visualization [20.43471678277403]
本稿では t-SNE に基づく新しいグラフベース次元削減手法 LaptSNE を提案する。
具体的には、LaptSNEはグラフラプラシアンの固有値情報を利用して、低次元埋め込みにおけるポテンシャルクラスタを縮小する。
ラプラシアン合成目的による最適化を考える際には、より広い関心を持つであろう勾配を解析的に計算する方法を示す。
論文 参考訳(メタデータ) (2022-07-25T14:10:24Z) - Making Linear MDPs Practical via Contrastive Representation Learning [101.75885788118131]
マルコフ決定過程(MDP)における次元性の呪いに、低ランク表現を利用することで対処することが一般的である。
本稿では,効率的な表現学習を可能にしつつ,正規化を自動的に保証する線形MDPの代替的定義について考察する。
いくつかのベンチマークにおいて、既存の最先端モデルベースおよびモデルフリーアルゴリズムよりも優れた性能を示す。
論文 参考訳(メタデータ) (2022-07-14T18:18:02Z) - Heterogeneous Tensor Mixture Models in High Dimensions [5.656785831541303]
我々は,不均質な共分散を持つ柔軟高次元テンソル混合モデルを導入する問題を考える。
本手法は,実パラメータの統計的近傍に幾何学的に収束することを示す。
自閉症スペクトラム障害の診断に重要な脳領域を明らかにする。
論文 参考訳(メタデータ) (2021-04-15T21:06:16Z) - Entropy Minimizing Matrix Factorization [102.26446204624885]
NMF(Nonnegative Matrix Factorization)は、広く使用されているデータ分析技術であり、多くの実際のタスクで印象的な結果をもたらしました。
本研究では,上述の問題に対処するために,EMMF (Entropy Minimizing Matrix Factorization framework) を開発した。
通常、外れ値が通常のサンプルよりもはるかに小さいことを考えると、行列分解のために新しいエントロピー損失関数が確立される。
論文 参考訳(メタデータ) (2021-03-24T21:08:43Z) - Estimating Model Uncertainty of Neural Networks in Sparse Information
Form [39.553268191681376]
ディープニューラルネットワーク(DNN)におけるモデル不確実性のスパース表現について述べる。
我々の研究の重要な洞察は、情報行列はそのスペクトルにおいてスパースである傾向があることである。
DNNにおけるモデル不確実性を表すために,情報形式が適用可能であることを示す。
論文 参考訳(メタデータ) (2020-06-20T18:09:59Z) - Multi-View Spectral Clustering Tailored Tensor Low-Rank Representation [105.33409035876691]
本稿では,テンソル低ランクモデルに基づくマルチビュースペクトルクラスタリング(MVSC)の問題について検討する。
MVSCに適合する新しい構造テンソル低ランクノルムを設計する。
提案手法は最先端の手法よりもかなり優れていることを示す。
論文 参考訳(メタデータ) (2020-04-30T11:52:12Z)
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。