Fugu-MT 論文翻訳(概要): A general solution to the preferential selection model

論文の概要: A general solution to the preferential selection model

arxiv url: http://arxiv.org/abs/2008.02885v1
Date: Thu, 6 Aug 2020 21:51:00 GMT
ステータス: 処理完了
システム内更新日: 2022-11-02 07:48:16.474680
Title: A general solution to the preferential selection model
Title（参考訳）: 優先選択モデルに対する一般解法
Authors: Jake Ryland Williams, Diana Solano-Oropeza, and Jacob R. Hunsberger
Abstract要約: そこで本研究では, 発生データ(頻度)のインスタンスとしてモデル化可能なシステムであれば, 極めて高い精度で, 分布的な視点から生成的にモデル化できることを示す。
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: We provide a general analytic solution to Herbert Simon's 1955 model for time-evolving novelty functions. This has far-reaching consequences: Simon's is a pre-cursor model for Barabasi's 1999 preferential attachment model for growing social networks, and our general abstraction of it more considers attachment to be a form of link selection. We show that any system which can be modeled as instances of types---i.e., occurrence data (frequencies)---can be generatively modeled (and simulated) from a distributional perspective with an exceptionally high-degree of accuracy.
Abstract（参考訳）: 時間発展する新規関数に対するハーバート・サイモンの1955年モデルに対する一般的な解析解を提供する。 Simon's is a pre-cursor model for Barabasi's 1999 preferential attachment model for growing social networks, and our general abstract of it is considered a form of link selection。例えば、出現データ(頻度)のインスタンスとしてモデル化できる任意のシステムは、分布的視点から、非常に高い精度で生成的にモデル化できる(そしてシミュレートすることができる)。

関連論文リスト

Exploring Model Kinship for Merging Large Language Models [52.01652098827454]
本稿では,大規模言語モデル間の類似性や関連性の程度であるモデル親和性を紹介する。モデル統合後の性能向上とモデル親和性の間には,一定の関係があることが判明した。我々は新しいモデルマージ戦略を提案する。Top-k Greedy Merging with Model Kinship。
論文参考訳（メタデータ） (2024-10-16T14:29:29Z)
Towards Fundamentally Scalable Model Selection: Asymptotically Fast Update and Selection [40.85209520973634]
理想的なモデル選択スキームは、候補モデルの大きなプール上で2つの操作を効率的にサポートすべきである。モデル選択に対する従来の解決策は、これらの2つの操作のうちの少なくとも1つに対して高い計算複雑性を必要とする。モデル埋め込みを実証的に実現したStandardized Embedderを提案する。
論文参考訳（メタデータ） (2024-06-11T17:57:49Z)
Beyond Conjugacy for Chain Event Graph Model Selection [0.0]
連鎖イベントグラフはベイズネットワークを一般化する確率的グラフィカルモデルのファミリーである。共役性に依存しない連鎖イベントグラフにおけるモデル選択に対する混合モデリング手法を提案する。
論文参考訳（メタデータ） (2022-11-07T10:33:01Z)
Investigating Ensemble Methods for Model Robustness Improvement of Text Classifiers [66.36045164286854]
既存のバイアス機能を分析し、すべてのケースに最適なモデルが存在しないことを実証します。適切なバイアスモデルを選択することで、より洗練されたモデル設計でベースラインよりもロバスト性が得られる。
論文参考訳（メタデータ） (2022-10-28T17:52:10Z)
Bayesian Neural Network Inference via Implicit Models and the Posterior Predictive Distribution [0.8122270502556371]
本稿では,ベイズニューラルネットワークのような複雑なモデルにおいて,近似ベイズ推論を行うための新しい手法を提案する。このアプローチはMarkov Chain Monte Carloよりも大規模データに対してスケーラブルである。これは、サロゲートや物理モデルのような応用に有用であると考えています。
論文参考訳（メタデータ） (2022-09-06T02:43:19Z)
A linearized framework and a new benchmark for model selection for fine-tuning [112.20527122513668]
異なるドメインで事前訓練されたモデルの集合からの微調整は、低データ体制におけるテストの精度を向上させる技術として現れている。モデル選択のための2つの新しいベースライン - Label-Gradient と Label-Feature correlation を導入する。我々のベンチマークでは、微調整されたイメージネットモデルと比較して、モデル動物園での精度向上が強調されている。
論文参考訳（メタデータ） (2021-01-29T21:57:15Z)
Characterizing Fairness Over the Set of Good Models Under Selective Labels [69.64662540443162]
同様の性能を実現するモデルセットに対して,予測公正性を特徴付けるフレームワークを開発する。到達可能なグループレベルの予測格差の範囲を計算するためのトラクタブルアルゴリズムを提供します。選択ラベル付きデータの実証的な課題に対処するために、我々のフレームワークを拡張します。
論文参考訳（メタデータ） (2021-01-02T02:11:37Z)
On Statistical Efficiency in Learning [37.08000833961712]
モデルフィッティングとモデル複雑性のバランスをとるためのモデル選択の課題に対処する。モデルの複雑さを順次拡大し、選択安定性を高め、コストを削減するオンラインアルゴリズムを提案します。実験の結果, 提案手法は予測能力が高く, 計算コストが比較的低いことがわかった。
論文参考訳（メタデータ） (2020-12-24T16:08:29Z)
One for More: Selecting Generalizable Samples for Generalizable ReID Model [92.40951770273972]
本稿では,選択したサンプルを損失関数として一般化する1対3の学習目標を提案する。提案した1対3のサンプルは,ReIDトレーニングフレームワークにシームレスに統合できる。
論文参考訳（メタデータ） (2020-12-10T06:37:09Z)
Generative Temporal Difference Learning for Infinite-Horizon Prediction [101.59882753763888]
我々は、無限確率的地平線を持つ環境力学の予測モデルである$gamma$-modelを導入する。トレーニングタイムとテストタイムの複合的なエラーの間には、そのトレーニングが避けられないトレードオフを反映しているかについて議論する。
論文参考訳（メタデータ） (2020-10-27T17:54:12Z)

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。